Simülasyona dayalı t-testi
Bölüm 2'de bu hipotezleri incelemek için bir t-testinin adımlarını elle uyguladın.
\(H_{0}\): Geç kalmayan gönderilerin ortalama ağırlığı, geç kalan gönderilerin ortalama ağırlığıyla aynıdır.
\(H_{A}\): Geç kalmayan gönderilerin ortalama ağırlığı, geç kalan gönderilerin ortalama ağırlığından daha düşüktür.
Testi infer'ın t_test() fonksiyonunu kullanarak daha öz bir şekilde çalıştırabilirsin.
late_shipments %>%
t_test(
weight_kilograms ~ late,
order = c("No", "Yes"),
alternative = "less"
)
t_test() sıfır dağılımının normal olduğunu varsayar. Varsayımlardan kaçınmak için simülasyona dayalı parametrik olmayan bir eşdeğer kullanabiliriz.
late_shipments hazır; dplyr ve infer yüklü.
Bu egzersiz
R ile Hipotez Testi
kursunun bir parçasıdırUygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Fill out the null distribution pipeline
null_distn <- late_shipments %>%
# Specify weight_kilograms vs. late
___ %>%
# Declare a null hypothesis of independence
___ %>%
# Generate 1000 permutation replicates
___ %>%
# Calculate the difference in means ("No" minus "Yes")
___
# See the results
null_distn