신뢰구간(CI) 해석과 기술적 조건

R에서의 추론 기초

Jo Hardin

Instructor

CI 생성하기

# 신뢰구간 비교
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

# p-hat 값의 2.5%와 97.5% 구하기
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

CI의 필요성

통계량만 알고 있을 때 모수를 추정하는 것이 목표
수집한 표본에 참된 모수가 포함되었는지는 알 수 없음

CI 해석

부트스트랩 t-CI: (0.536, 0.864)
퍼센타일 구간: (0.533, 0.833)

우리는 후보 X를 지지할 진짜 비율이 0.536~0.864 (또는 0.533~0.833) 사이라고 95% 신뢰한다

기술적 조건

통계량의 표집분포가 대칭이고 종 모양에 가까움
표본 크기가 충분히 큼
재표집된 비율의 변동성 고려

연습해 봅시다!

R에서의 추론 기초