Interpréter les IC et les conditions techniques

Bases de l’inférence en R

Jo Hardin

Instructor

Construire des IC

# Comparer des intervalles de confiance
one_poll_boot %>% summarize(
    lower = p_hat - 2 * 
            sd(prop_yes_boot),
    upper = p_hat + 2 * 
            sd(prop_yes_boot))

# A tibble: 1 × 2
     lower    upper
     <dbl>    <dbl>
1 0.536148 0.863852

# Trouver les 2,5 % et 97,5 % des valeurs de p-hat
one_poll_boot %>% summarize(
    q025_prop = quantile(prop_yes_boot,
                         p = .025),
    q975_prop = quantile(prop_yes_boot,
                         p = .975))

# A tibble: 1 × 2
  q025_prop q975_prop
      <dbl>     <dbl>
1 0.5333333 0.8333333

Motiver les IC

Objectif : estimer le paramètre quand seul le statistique est connu
On ne sait jamais si l'échantillon collecté contient réellement le vrai paramètre

Interpréter les IC

IC bootstrap t : (0,536, 0,864)
Intervalle des centiles : (0,533, 0,833)

Nous sommes confiants à 95 % que la proportion réelle de personnes prévoyant de voter pour le candidat X est entre 0,536 et 0,864 (ou 0,533 et 0,833)

Conditions techniques

La distribution d'échantillonnage du statistique est assez symétrique et en cloche
La taille d'échantillon est suffisamment grande
Variabilité des proportions rééchantillonnées

Passons à la pratique !

Bases de l’inférence en R