Ngẫu nhiên hóa
Ngẫu nhiên hóa đối tượng trong một thí nghiệm giúp phân tán đều mọi biến thiên vốn có giữa các đối tượng vào các nhóm. Với ToothGrowth, một ví dụ về ngẫu nhiên hóa hiệu quả là phân ngẫu nhiên chuột lang đực và cái vào các nhóm thí nghiệm khác nhau, từ đó lý tưởng là triệt tiêu những khác biệt tự nhiên vốn có giữa chuột lang đực và cái.
Trong thí nghiệm tạo ra bộ dữ liệu ToothGrowth, chuột lang được ngẫu nhiên nhận Vitamin C qua nước cam hoặc axit ascorbic, được thể hiện trong bộ dữ liệu bởi biến supp. Tự nhiên bạn sẽ muốn biết liệu độ dài răng có khác nhau theo loại bổ sung hay không — đây cũng là câu hỏi mà t-test có thể trả lời!
Bắt đầu từ bài tập này, bạn sẽ dùng t.test() và các hàm mô hình hóa khác với cú pháp công thức:
t.test(outcome ~ explanatory_variable, data = dataset)
Có thể hiểu là: "kiểm định outcome theo explanatory_variable trong dataset của tôi." Mặc định t.test() thực hiện kiểm định t hai phía.
Bài tập này là một phần của khóa học
Thiết kế thí nghiệm với R
Hướng dẫn bài tập
- Thực hiện t-test để xác định liệu có sự khác biệt về độ dài răng (
len) theo loại bổ sung (supp) hay không, và lưu kết quả vào đối tượngToothGrowth_ttest. - Nạp gói
broom. - Làm gọn
ToothGrowth_ttestvớitidy(). Lệnh này sẽ in kết quả ra console.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Perform a t-test
___ <- t.test(___, data = ToothGrowth)
# Load broom
library(___)
# Tidy ToothGrowth_ttest
___