Khi giả thuyết không đúng: ra quyết định
Trong bài tập trước, chênh lệch tỷ lệ quan sát được nằm khá thoải mái ở giữa phân phối theo giả thuyết không. Trong bài này, bạn sẽ đưa ra quyết định chính thức về việc có nên bác bỏ giả thuyết không hay không; nhưng thay vì dùng p-value, bạn sẽ dùng khái niệm miền bác bỏ.
Miền bác bỏ là khoảng giá trị của thống kê sẽ dẫn bạn đến việc bác bỏ giả thuyết không. Với kiểm định hai phía, có hai miền bác bỏ. Bạn biết rằng miền phía trên sẽ chứa 2,5% lớn nhất của các thống kê theo giả thuyết không (khi alpha = .05), vì vậy bạn có thể lấy giá trị ngưỡng bằng cách tìm quantile() ở mức .975. Tương tự, miền phía dưới chứa 2,5% nhỏ nhất của các thống kê theo giả thuyết không, cũng có thể tìm bằng quantile().
Dưới đây là ví dụ nhanh về cách hàm quantile() hoạt động với dữ liệu đơn giản x.
x <- c(0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20)
quantile(x, probs = .5)
quantile(x, probs = .8)
Khi đã có miền bác bỏ được xác định bởi các ngưỡng trên và dưới, bạn có thể đưa ra quyết định về giả thuyết không bằng cách kiểm tra xem thống kê quan sát được của bạn có nằm giữa các ngưỡng đó (khi đó bạn không bác bỏ) hay nằm ngoài chúng (khi đó bạn bác bỏ).
Bài tập này là một phần của khóa học
Suy luận cho dữ liệu phân loại trong R
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Set alpha
___
# Find cutoffs
lower <- null %>%
summarize(l = quantile(___, probs = ___)) %>%
pull()
upper <- null %>%
summarize(u = quantile(___, probs = ___)) %>%
pull()
# Is d_hat inside cutoffs?
d_hat %>%
between(___, ___)