Вплив значення вибіркової частки на бутстрап-ді
Ще один чинник, який змінює ширину довірчого інтервалу, — це значення вибіркового параметра, \(\hat{p}\).
Загалом, коли істинний параметр близький до 0,5, стандартна похибка \(\hat{p}\) більша, ніж коли істинний параметр ближчий до 0 або 1. Під час обчислення t-довірчого інтервалу за допомогою бутстрапу стандартна похибка визначає ширину ДІ, і тут (за істинного параметра 0,8) вибіркова частка вища, ніж у попередніх вправах, тож ширина довірчого інтервалу буде вужчою.
Ця вправа є частиною курсу
Основи інференції в R
Інструкції до вправи
- У скрипті наведено
calc_p_hat()для обчислення вибіркових часток.calc_t_conf_int()з попередньої вправи оновлено так, щоб тепер приймати будь-яке значенняp_hatяк аргумент. Прочитайте їхні визначення й спробуйте розібратися. - Запустіть код, щоб обчислити t-довірчий інтервал за допомогою бутстрапу для початкової сукупності.
- Розгляньте нову сукупність, де істинний параметр дорівнює 0,8,
one_poll_0.8. Обчисліть \(\hat{p}\) для цієї нової вибірки тим самим способом, що й для початкового набору даних. Назвіть цеp_hat_0.8. - Знайдіть t-довірчий інтервал за допомогою нових бутстрапованих даних
one_poll_boot_0.8і нового \(\hat{p}\). Зверніть увагу, що він вужчий, ніж обчислений раніше.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
calc_p_hat <- function(dataset) {
dataset %>%
summarize(stat = mean(vote == "yes")) %>%
pull()
}
calc_t_conf_int <- function(resampled_dataset, p_hat) {
resampled_dataset %>%
summarize(
lower = p_hat - 2 * sd(stat),
upper = p_hat + 2 * sd(stat)
)
}
# Find proportion of yes votes from original population
p_hat <- calc_p_hat(one_poll)
# Review the value
p_hat
# Calculate bootstrap t-confidence interval (original 0.6 param)
calc_t_conf_int(one_poll_boot, p_hat)
# Find proportion of yes votes from new population
p_hat_0.8 <- ___
# Review the value
p_hat_0.8
# Calculate the bootstrap t-confidence interval (new 0.8 param)
___