b:head_first_statistics:estimating_populations_and_samples:mean_of_proportions_output
> set.seed(101) > k <- 1000 > n <- 100 > p <- 1/4 > q <- 1-p > # in order to clarify what we are doing > # X~B(n,p) 일 때, 100개의 검볼을 샘플링해서 > # red gumball을 세봤더니 > rbinom(1,n,p) # 24개 였다라는 뜻 [1] 24 > > # 아래는 이것을 1000번 (k번) 한 것 > numbers.of.red.gumball <- rbinom(k, n, p) > head(numbers.of.red.gumball) [1] 18 27 27 22 23 26 > > # 아래처럼 n으로 (100개의 검볼이 총 숫자이므로) > # 나눠주면 비율을 구할 수 있다 > proportions.of.rg <- numbers.of.red.gumball/n > ps.k <- proportions.of.rg > head(ps.k) [1] 0.18 0.27 0.27 0.22 0.23 0.26 > > mean.ps.k <- mean(ps.k) > mean.ps.k [1] 0.24893 > hist(ps.k) > > >
> > #### > # set.seed(101) > k <- 1000000 > n <- 100 > p <- 1/4 > q <- 1-p > numbers.of.red.gumball <- rbinom(k, n, p) > > # 아래처럼 n으로 (100개의 검볼이 총 숫자이므로) > # 나눠주면 비율을 구할 수 있다 > proportions.of.rg <- numbers.of.red.gumball/n > ps.k <- proportions.of.rg > mean.ps.k <- mean(ps.k) > mean.ps.k [1] 0.2499666 > > # variance? > var.cal <- var(ps.k) > var.cal [1] 0.001876564 > var.value <- (p*q)/n > var.value [1] 0.001875 > > # standard deviation > sd.cal <- sqrt(var.cal) > sd.cal [1] 0.04331933 > sd.value <- sqrt(var.value) > sd.value [1] 0.04330127 > > se <- sd.value > # 우리는 standard deviation of sample > # proportions을 standard error라고 부른다 > > # 위의 histogram 에서 mean 값은 이론적으로 > p [1] 0.25 > # standard deviation값은 > se [1] 0.04330127 > > qnorm(.975) [1] 1.959964 > # 우리는 평균값에서 +- 2*sd.cal 구간이 95%인줄 안다. > se2 <- se * qnorm(.975) > # 즉, 아래 구간이 > lower <- p-se2 > upper <- p+se2 > lower [1] 0.1651311 > upper [1] 0.3348689 > > hist(ps.k) > abline(v=lower, col=2, lwd=2) > abline(v=upper, col=2, lwd=2) > > a <- pnorm(lower, mean=p, sd=se) > b <- pnorm(upper, p, se) > b-a [1] 0.95 > lower [1] 0.1651311 > upper [1] 0.3348689 > > # 위의 그래프가 의미하는 것은 rbinom(1, n, p) / n로 > # 얻은 하나의 샘플의 proportion의 (비율) 값은 > # 95/100 확률로 lower에서 upper사이에 있을 것이라는 > # 뜻 > rbinom(1, n, p)/n [1] 0.21 > rbinom(1, n, p)/n [1] 0.16 > > k <- 100 > sa1 <- rbinom(k, n, p) / n > head(sa1) [1] 0.24 0.23 0.20 0.22 0.23 0.27 > sa1 < lower [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE [26] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE [51] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE [76] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE > sa1 > upper [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE [26] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE [51] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE [76] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE > table(sa1 < lower) FALSE TRUE 98 2 > table(sa1 > upper) FALSE TRUE 98 2 > > table(sa1 < lower | sa1 > upper) FALSE TRUE 96 4 > table(sa1 < lower | sa1 > upper) / k FALSE TRUE 0.96 0.04 >
b/head_first_statistics/estimating_populations_and_samples/mean_of_proportions_output.txt · Last modified: by hkimscil