Крок за кроком крізь перестановку

Щоб краще зрозуміти код, який створює рандомізаційний розподіл, у цій вправі ми пройдемо кроки фреймворку infer. Ви побачите, як відмінності між згенерованими реплікатами впливають на обчислені статистики.

Після виконання кроків infer зверніть увагу, що числа для кожного репліката дещо відрізняються.

Ця вправа є частиною курсу

Основи інференції в R

Переглянути курс

Інструкції до вправи

Пакети dplyr і infer вже завантажено для вас, так само як і датафрейм disc з попередньої вправи.

Викличте функції для перших трьох кроків. Основну роботу вже зроблено — ваше завдання дослідити результати виклику перших трьох кроків infer.
Щоб побачити ефект перестановки,
- згрупуйте переставлений датафрейм disc_perm за новою змінною replicate, потім
- підрахуйте змінні, що нас цікавлять (promote у межах кожного sex), за допомогою count().
Використовуючи disc_perm, calculate() потрібну статистику. Задайте stat як "diff in props", а order — як c("male", "female").

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Replicate the entire data frame, permuting the promote variable
disc_perm <- disc %>%
  specify(promote ~ sex, success = "promoted") %>%
  hypothesize(null = "independence") %>%
  generate(reps = 5, type = "permute")

disc_perm %>%
  # Group by replicate
  ___ %>%
  # Count per group
  ___

disc_perm %>%
  # Calculate difference in proportion, male then female
  ___

Редагувати та запускати код