Interpréter les IC et les conditions techniques

Fondements de l'inférence en R

Jo Hardin

Instructor

Créer 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 on ne connaît que la statistique
On ne saura jamais si l'échantillon recueilli contient vraiment le paramètre vrai

Interpréter les IC

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

Nous sommes confiants à 95 % que la vraie proportion de personnes qui prévoient voter pour le candidat X se situe entre 0,536 et 0,864 (ou 0,533 et 0,833).

Conditions techniques

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

Passons à la pratique !

Fondements de l'inférence en R