Przedział ufności to przedział obejmujący nieznany parametr ( 1 - α ) %pewność siebie. Przedziały ufności są częstym pojęciem. Często mylone są z wiarygodnymi interwałami, którymi jest analog bayesowski.
Rozważ losowy zestaw liczb, które są zwykle dystrybuowane: x <- rnorm(n=1000, mean=10) Chcielibyśmy poznać średnią i błąd standardowy średniej, dlatego wykonujemy następujące czynności: se <- function(x) { sd(x)/sqrt(length(x)) } mean(x) # something near 10.0 units se(x) # something near 0.03 units Świetny! Załóżmy jednak, że niekoniecznie wiemy, że nasza pierwotna …
Słyszałem / widziałem w kilku miejscach, że możesz przekształcić zestaw danych w coś o rozkładzie normalnym, biorąc logarytm każdej próbki, oblicz przedział ufności dla przekształconych danych i przekształcaj przedział ufności z powrotem za pomocą operacji odwrotnej (np. podnieś 10 do potęgi dolnej i górnej granicy odpowiednio dla ).log10log10\log_{10} Jednak jestem …
Jak obliczyć przedział ufności średniej w próbce o rozkładzie innym niż normalny? Rozumiem, że metody bootstrap są tutaj powszechnie stosowane, ale jestem otwarty na inne opcje. Podczas gdy szukam opcji nieparametrycznej, jeśli ktoś może mnie przekonać, że rozwiązanie parametryczne jest prawidłowe, byłoby dobrze. Rozmiar próbki wynosi> 400. Gdyby ktoś mógł …
Wyobraź sobie, że powtarzasz eksperyment trzy razy. W każdym eksperymencie zbierasz trzykrotnie pomiary. Trzy powtórzenia wydają się być dość blisko siebie, w porównaniu do różnic między trzema średnimi eksperymentalnymi. Obliczenie wielkiego środka jest dość łatwe. Ale jak obliczyć przedział ufności dla wielkiej średniej? Przykładowe dane: Eksperyment 1: 34, 41, 39 …
Aby zrobić ten wykres, wygenerowałem losowe próbki o różnej wielkości z rozkładu normalnego ze średnią = 0 i sd = 1. Przedziały ufności zostały następnie obliczone przy użyciu wartości odcięcia alfa w zakresie od 0,001 do .999 (czerwona linia) za pomocą funkcji t.test (), prawdopodobieństwo profilu zostało obliczone przy użyciu …
Aby obliczyć przedział ufności (CI) dla średniej z nieznanym odchyleniem standardowym populacji (sd), szacujemy odchylenie standardowe populacji, stosując rozkład t. W szczególności gdzie . Ponieważ jednak nie mamy oszacowania punktowego odchylenia standardowego populacji, szacujemy poprzez przybliżenie gdzieCI=X¯±Z95%σX¯CI=X¯±Z95%σX¯CI=\bar{X} \pm Z_{95\% }\sigma_{\bar X}σX¯=σn√σX¯=σn\sigma_{\bar X} = \frac{\sigma}{\sqrt n}CI=X¯±t95%(se)CI=X¯±t95%(se)CI=\bar{X} \pm t_{95\% }(se)se=sn√se=snse = \frac{s}{\sqrt …
Miejmy jakiś model liniowy, na przykład po prostu ANOVA: # data generation set.seed(1.234) Ng <- c(41, 37, 42) data <- rnorm(sum(Ng), mean = rep(c(-1, 0, 1), Ng), sd = 1) fact <- as.factor(rep(LETTERS[1:3], Ng)) m1 = lm(data ~ 0 + fact) summary(m1) Wynik jest następujący: Call: lm(formula = data ~ …
Mam dwa pytania dotyczące przedziałów ufności: Najwyraźniej wąski przedział ufności oznacza, że istnieje mniejsza szansa na uzyskanie obserwacji w tym przedziale, dlatego nasza dokładność jest wyższa. Również przedział ufności 95% jest węższy niż przedział ufności 99%, który jest szerszy. Przedział ufności 99% jest dokładniejszy niż 95%. Czy ktoś może podać …
Podstawowe kursy statystyki często sugerują zastosowanie rozkładu normalnego do oszacowania średniej parametru populacji, gdy wielkość próby n jest duża (zwykle powyżej 30 lub 50). Rozkład T studenta jest stosowany dla mniejszych próbek w celu uwzględnienia niepewności w odchyleniu standardowym próbki. Gdy wielkość próby jest duża, odchylenie standardowe próbki daje dobre …
Studiując przedział ufności oparty na bootstrap, raz przeczytałem następujące oświadczenie: Jeśli rozkład bootstrapu jest przekrzywiony w prawo, przedział ufności oparty na bootstrapie zawiera korektę przesunięcia punktów końcowych jeszcze bardziej w prawo; może się to wydawać sprzeczne z intuicją, ale jest to prawidłowe działanie. Próbuję zrozumieć logikę leżącą u podstaw powyższego …
Załóżmy, że jedna ma dwie niezależne próbki z tej samej populacji, a na dwóch próbkach zastosowano różne metody w celu uzyskania oszacowania punktu i przedziałów ufności. W trywialnych przypadkach rozsądna osoba po prostu połączy dwie próbki i użyje jednej metody do przeprowadzenia analizy, ale na razie załóżmy, że należy zastosować …
Czytałem ostatnio artykuł, który zawierał przypadkowość w jego pewności i wiarygodnych odstępach czasu i zastanawiałem się, czy jest to standard (a jeśli tak, to dlaczego warto to robić). Aby ustawić notację, załóżmy, że nasze dane to i jesteśmy zainteresowani tworzeniem przedziałów dla parametru . Jestem przyzwyczajony do budowania przedziałów ufności …
Uwaga: z góry przepraszam, jeśli jest to duplikat, nie znalazłem podobnego q w moim wyszukiwaniu Powiedzmy, że mamy prawdziwy parametr p. Przedział ufności C (X) to RV, który zawiera p, powiedzmy 95% czasu. Załóżmy teraz, że obserwujemy X i obliczamy C (X). Częstą odpowiedzią wydaje się być to, że błędne …
Analizuję zestaw danych przy użyciu modelu efektów mieszanych z jednym ustalonym efektem (warunkiem) i dwoma efektami losowymi (uczestnik ze względu na projekt i parę wewnątrz przedmiotu). Model ten został wygenerowany z lme4pakietu: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Następnie wykonałem test współczynnika wiarygodności tego modelu względem modelu bez ustalonego efektu (warunku) i mam znaczącą różnicę. …
Niech będzie rodziną losowych zmiennych iid przyjmujących wartości w , mających średnią i wariancję . Prosty przedział ufności dla średniej, przy użyciu ilekroć jest znany, podaje P (| \ bar X - \ mu |> \ varepsilon) \ le \ frac {\ sigma ^ 2} {n \ varepsilon ^ 2} …
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.