1. Learn
    2. /
  2. Курси
    3. /
  3. Основи інференції в R
Connected

Вправа

Перцентильний бутстреп-інтервал

Головна ідея попередньої вправи полягала в тому, що відстань між початковою вибірковою оцінкою \(\hat{p}\) і повторно вибірковими (бутстрепними) значеннями \(\hat{p}^*\) показує, наскільки далеко початкове \(\hat{p}\) від істинної частки в генеральній сукупності.

Ту саму мінливість можна виміряти іншим способом. Як і раніше, якщо \(\hat{p}\) досить близьке до істинного параметра, то повторно вибіркові (бутстрепні) значення \(\hat{p}^*\) змінюватимуться так, що перекриватимуть істинний параметр.

Замість використання \(\pm 2 SE\) як способу охопити середні 95% вибіркових значень \(\hat{p}\), ви можете знайти середину розподілу повторно вибіркових \(\hat{p}^*\), відкинувши верхні та нижні 2,5%. Зауважте, що цей другий спосіб побудови бутстреп-інтервалів також дає інтуїтивний підхід для створення 90% або 99% довірчих інтервалів, а також 95% інтервалів.

Бутстрепні повторні вибірки one_poll_boot і частка відповідей «так» p_hat доступні у вашому робочому просторі.

Інструкції 1/3

undefined XP
  • 1
    • Запустіть код, щоб пригадати t-інтервал з попередньої вправи.
    • Обчисліть 95-відсотковий інтервал для бутстрепних значень \(\hat{p}^*\), що містяться в one_poll_boot.
      • Виконайте підсумок, щоб обчислити нижню межу на рівні 2,5% квантиля stat, встановивши p у 0.025.
      • Подібно обчисліть верхню межу.
  • 2

    Виконайте те саме обчислення за допомогою зручної функції пакета infer — get_confidence_interval(). Для інтервалу використайте level = 0.95, а результат назвіть percentile_ci.

  • 3
    • За допомогою visualize() візуалізуйте розподіл бутстрепних часток із підсвіченою серединою 95 відсотків.
      • Встановіть endpoints підсвіченої області як percentile_ci.
      • Встановіть direction у "between", щоб підсвітити проміжок між цими межами.