Intervale pentru diferențe

Inferență pentru date categoriale în R

Andrew Bray

Assistant Professor of Statistics at Reed College

O întrebare cu două variabile

Femeile și bărbații cred în proporții diferite?

Fie $p$ proporția celor care cred în viața de după moarte.

$H_{0} : p_{female} - p_{male} = 0$
$H_{A} : p_{female} - p_{male} \ne 0$

Au femei și bărbați opinii diferite despre viața de după moarte?

ggplot(gss2016, aes(x = sex, fill = postlife)) +
  geom_bar()

Diagramă cu bare postlife ch2v2

Au femei și bărbați opinii diferite despre viața de după moarte?

ggplot(gss2016, aes(x = sex, fill = postlife)) +
  geom_bar(position = "fill")

Diagramă cu bare postlife umplute ch2v2

Au femei și bărbați opinii diferite despre viața de după moarte?

p_hats <- gss2016 %>%
  group_by(sex) %>%
  summarize(mean(postlife == "YES", na.rm = TRUE)) %>%
  pull()

d_hat <- diff(p_hats)
d_hat

0.1472851

Generarea datelor din H0

$H_{0} : p_{female} - p_{male} = 0$
Nu există o asociere între credința în viața de apoi și sexul subiecților.
Variabila postlife este independentă de variabila sex.

⇒ Generați date prin permutare

Au femei și bărbați opinii diferite despre viața de după moarte?

gss2016 %>%
  specify(
    response = postlife, 
    explanatory = sex, 
    success = "YES"
  ) %>%
  hypothesize(null = "independence") %>%
  generate(reps = 1, type = "permute")

Au femei și bărbați opinii diferite despre viața de după moarte?

gss2016 %>%
  specify(
    postlife ~ sex,  # this line is new
    success = "YES"
  ) %>%
  hypothesize(null = "independence") %>%
  generate(reps = 1, type = "permute")

Response: postlife (factor)
Explanatory: sex (factor)
Null Hypothesis:  independence 
# A tibble: 137 x 3
# Groups:   replicate [1]
   postlife sex    replicate
   <fct>    <fct>      <int>
 1 YES      FEMALE         1
 2 YES      MALE           1
 3 YES      FEMALE         1
 4 YES      MALE           1
 5 YES      MALE           1
 6 YES      FEMALE         1
 7 NO       FEMALE         1

Au femei și bărbați opinii diferite despre viața de după moarte?

gss2016 %>%
  specify(
    postlife ~ sex, 
    success = "YES"
  ) %>%
  hypothesize(null = "independence") %>%
  generate(reps = 1, type = "permute")

Response: postlife (factor)
Explanatory: sex (factor)
Null Hypothesis:  independence 
# A tibble: 137 x 3
# Groups:   replicate [1]
   postlife sex    replicate
   <fct>    <fct>      <int>
 1 YES      FEMALE         1
 2 NO       MALE           1
 3 NO       FEMALE         1
 4 YES      MALE           1
 5 YES      MALE           1
 6 YES      FEMALE         1
 7 YES      FEMALE         1

Au femei și bărbați opinii diferite despre viața de după moarte?

gss2016 %>%
  specify(postlife ~ sex, success = "YES") %>%
  hypothesize(null = "independence") %>%
  generate(reps = 500, type = "permute") %>%
  calculate(stat = "diff in props", order = c("FEMALE", "MALE"))

Warning message:
Removed 13 rows containing missing values.

Au femei și bărbați opinii diferite despre viața de după moarte?

ggplot(null, aes(x = stat)) +
  geom_density() +
  geom_vline(xintercept = d_hat, color = "red")

Datele sugerează că există o diferență între sexe în credința în viața de după moarte.

Grafic de densitate ch2v2

Să exersăm!

Inferență pentru date categoriale în R