以模擬為基礎的 t 檢定
在第 2 章中，你曾手動依序執行 t 檢定的步驟，來檢驗下列假設：
$H_{0}$：未延遲出貨的平均重量與延遲出貨的平均重量相同。
$H_{A}$：未延遲出貨的平均重量小於延遲出貨的平均重量。
你也可以用 infer 的 t_test() 更精簡地執行檢定。
late_shipments %>%
t_test(
weight_kilograms ~ late,
order = c("No", "Yes"),
alternative = "less"
)
t_test() 假設虛無分佈為常態。我們可以使用以模擬為基礎的非參數檢定來避免這些假設。
已提供 late_shipments；且已載入 dplyr 與 infer。
本練習屬於課程
R 中的假設檢定
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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