建構信賴區間（CI）
你已經看過一次重抽樣時 p-hat 如何變動的例子，但我們需要重複很多很多次，才能良好估計它的變異性。這裡你會計算完整的自助法（bootstrap）分佈，用來估計之後要建立信賴區間所需的標準誤（SE）。你會使用 infer 中的另一個動詞 calculate()，讓從許多資料集計算許多統計量的流程更順暢。
先花點時間查看 calculate 的輸出。這個函式會把你的資料框壓縮成兩欄：一欄是「stat」，另一欄是對應的「replicate」。
當你繪製自助法分佈時，會發現它呈現鐘形。也正因為這個形狀，你可以加減 2 個 SE，得到 95% 的區間。
本練習屬於課程
R 中的類別資料推論
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。
# Create bootstrap distribution for proportion with High conf
boot_dist <- gss2016 %>%
# Specify the response and success
specify(response = ___, ___ = "___") %>%
# Generate 500 bootstrap reps
generate(___ = ___, type = "bootstrap") %>%
# Calculate proportions
calculate(stat = "___")
# See the result
boot_dist