t-тест на основі симуляції
У розділі 2 ви вручну виконали кроки t-тесту, щоб перевірити ці гіпотези.
\(H_{0}\): Середня маса відправлень, які не були запізненими, дорівнює середній масі відправлень, які були запізненими.
\(H_{A}\): Середня маса відправлень, які не були запізненими, менша за середню масу відправлень, які були запізненими.
Ви можете запустити тест коротше за допомогою t_test() із пакета infer.
late_shipments %>%
t_test(
weight_kilograms ~ late,
order = c("No", "Yes"),
alternative = "less"
)
t_test() припускає, що нульовий розподіл є нормальним. Ми можемо уникнути припущень, використавши непараметричний еквівалент на основі симуляції.
late_shipments доступний; dplyr і infer підключені.
Ця вправа є частиною курсу
Перевірка гіпотез у R
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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