Losowe rozkłady

Podstawy wnioskowania statystycznego w R

Jo Hardin

Instructor

Logika wnioskowania

ch1_2_v2_infer.002.png

Logika wnioskowania

ch1_2_v2_infer.003.png

Logika wnioskowania

ch1_2_v2_infer.004.png

Logika wnioskowania

ch1_2_v2_infer.005.png

Logika wnioskowania

ch1_2_v2_infer.006.png

Logika wnioskowania

Zrozumienie rozkładu zerowego

Generowanie rozkładu statystyki z populacji zerowej dostarcza informacji o tym, czy obserwowane dane są niezgodne z hipotezą zerową

Zrozumienie rozkładu zerowego

Dane oryginalne

Lokalizacja	Cola	Orange
Wschód	28	6
Zachód	19	7

$\hat{p}_\text{east} = 28/(28 + 6) = 0.82$

$\hat{p}_\text{west} = 19/(19 + 7) = 0.73$

Zrozumienie rozkładu zerowego

Pierwsze przetasowanie – jak dane oryginalne

Lokalizacja	Cola	Orange
Wschód	28	6
Zachód	19	7

ch1_2_v2_infer.017.png

Zrozumienie rozkładu zerowego

Drugie przetasowanie

Lokalizacja	Cola	Orange
Wschód	27	7
Zachód	20	6

ch1_2_v2_infer.019.png

Zrozumienie rozkładu zerowego

Trzecie przetasowanie

Lokalizacja	Cola	Orange
Wschód	28	8
Zachód	21	5

ch1_2_v2_infer.020.png

Zrozumienie rozkładu zerowego

Czwarte przetasowanie

Lokalizacja	Cola	Orange
Wschód	25	9
Zachód	22	4

ch1_2_v2_infer.021.png

Zrozumienie rozkładu zerowego

Piąte przetasowanie

Lokalizacja	Cola	Orange
Wschód	29	5
Zachód	18	8

ch1_2_v2_infer.022.png

Zrozumienie rozkładu zerowego

Piąte przetasowanie

Lokalizacja	Cola	Orange
Wschód	29	5
Zachód	18	8

ch1_2_v2_infer.023.png

Zrozumienie rozkładu zerowego

ch1_2_v2_infer.024.png

Zrozumienie rozkładu zerowego

ch1_2_v2_infer.025.png

Zrozumienie rozkładu zerowego

ch1_2_v2_infer.026.png

Zrozumienie rozkładu zerowego

ch1_2_v2_infer.027.png

Zrozumienie rozkładu zerowego

ch1_2_v2_infer.028.png

Zrozumienie rozkładu zerowego

ch1_2_v2_infer.029.png

Jedna losowa permutacja

soda %>%
group_by(location) %>%
summarize(prop_cola = 
    mean(drink == "cola")) %>%
summarize(diff(prop_cola))

# A tibble: 1 x 1
  `diff(prop_cola)`
              <dbl>
1        -0.09276018

library(infer)
soda %>% specify(drink ~ location,
                success = "cola") %>%
hypothesize(null = "independence") %>%
generate(reps = 1, type = "permute") %>%
calculate(stat = "diff in props", 
            order = c("west","east"))

# A tibble: 1 x 2
  replicate        stat
      <int>        <dbl>
1        1    -0.02488688

Wiele losowych permutacji

soda %>%
  specify(drink ~ location, success = "cola") %>%
  hypothesize(null = "independence") %>%
  generate(reps = 5, type = "permute") %>%
  calculate(stat = "diff in props", order = c("west", "east"))

# A tibble: 5 x 2
  replicate        stat
      <int>       <dbl>
1         1  0.04298643
2         2 -0.09276018
3         3  0.11085973
4         4  0.17873303
5         5 -0.16063348

Losowy rozkład

ch1_2_v2_infer.047.png

Czas na ćwiczenia!

Podstawy wnioskowania statystycznego w R