总结机会成本 (2)

既然您已经创建了随机化分布，接下来将用它来评估观测到的比例差是否与原假设下的"无差异"一致。您将用 p 值来度量这种一致性（或不一致性），即"置换得到的差值中小于或等于观测差值的比例"。

置换得到的数据集和原始观测统计量分别以 opp_perm 和 diff_orig 提供在您的工作区中。

使用内置的 infer 函数 visualize 和 get_p_value。请记住，原假设下的统计量位于原始差值的上方，因此 p 值（表示原假设值有多常见地更"极端"）应通过统计有多少原假设值小于原始差值来计算。

本练习是课程的一部分

R 推断基础

查看课程

练习说明

先使用 visualize 可视化置换统计量的抽样分布，标出 obs_stat = diff_orig 的位置，并通过 direction = "less" 将其以下的区域着色。
接着使用 get_p_value 计算 p 值，即置换统计量中 direction = "less" 且小于 obs_stat = diff_orig 的比例。
作为计算 p 值的另一种方式，使用 summarize() 和 mean()，计算 opp_perm 中置换差值（名为 stat）小于或等于观测差值（名为 diff_orig）的比例。
您也可以在提交答案前，通过在 visualize 和 get_p_value 中尝试 direction = "greater"、direction = "two_sided" 和 direction = "less" 来检验您的理解。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Visualize the statistic 
opp_perm %>%
  ___(___, ___)

# Calculate the p-value using `get_p_value`
opp_perm %>%
  ___(___, ___)

# Calculate the p-value using `summarize`
opp_perm %>%
  summarize(p_value = ___)

编辑并运行代码