Вплив процентилів на бутстрапові ДІ

Більшість науковців використовують 95% інтервали, щоб кількісно оцінити невизначеність оцінки. Тобто вони розуміють, що за все професійне життя, створюючи довірчі інтервали, лише 95% з них насправді міститимуть параметр, який вони прагнули оцінити.

Однак є дослідження, для яких доречні суворіші або м'якші довірчі інтервали (і відповідні рівні похибок).

Раніше згенеровані бутстрапові значення \(\hat{p}^*\) уже завантажено і вони доступні у one_poll_boot.

Ця вправа є частиною курсу

Основи інференції в R

Переглянути курс

Інструкції до вправи

Обчисліть 95% процентильний інтервал, викликавши get_confidence_interval() і встановивши level у 0.95.
Зробіть те саме для 99% інтервалу,
… і для 90% інтервалу.
Результати, які ви щойно отримали, збережено в датафреймі conf_int_data. Використовуючи цей набір даних, побудуйте графік ci_endpoints (вертикальна вісь) проти ci_percent (горизонтальна вісь) і додайте лінійний шар за допомогою geom_line().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Calculate a 95% bootstrap percentile interval
one_poll_boot %>% 
  ___(___) 

# Calculate a 99% bootstrap percentile interval
___ %>% 
  ___(___) 

# Calculate a 90% bootstrap percentile interval
___ %>% 
  ___(___) 

# Plot ci_endpoints vs. ci_percent to compare the intervals
ggplot(conf_int_data, aes(___, ___)) +
  # Add a line layer
  ___()

Редагувати та запускати код