Fundamentos de Inferência em R

Neste capítulo, você vai adquirir as ferramentas e o conhecimento para completar um teste de hipótese completo. Ou seja, dado um conjunto de dados, você saberá se é apropriado ou não rejeitar a hipótese nula em favor da hipótese de pesquisa de interesse.

Você continuará aprendendo sobre testes de hipótese com um novo exemplo e a mesma estrutura de testes de randomização. Neste capítulo, porém, o foco estará em diferentes erros (tipo I e tipo II), como eles ocorrem, quando um é pior do que o outro e como fatores como tamanho da amostra e tamanho do efeito impactam as taxas de erro.

Como complemento aos testes de hipótese, os intervalos de confiança permitem estimar um parâmetro populacional. Lembre-se de que seu interesse está sempre em alguma característica da população, mas você só tem informações incompletas para estimar o parâmetro usando dados amostrais. Aqui, o parâmetro é a proporção verdadeira de sucessos em uma população. O bootstrapping é usado para estimar a variabilidade necessária para formar o intervalo de confiança.