置信区间

✍ dations ◷ 2025-04-04 11:06:23 #置信区间
在统计学中,一个概率样本的置信区间(英语:Confidence interval,CI),是对产生这个样本的总体的参数分布(Parametric Distribution)中的某一个未知参数值,以区间形式给出的估计。相对于点估计(Point Estimation)用一个样本统计量来估计参数值,置信区间还蕴含了估计的精确度的信息。在现代机器学习中越来越常用的置信集合(Confidence Set)概念是置信区间在多维分析的推广。置信区间在频率学派中间使用,其在贝叶斯统计中的对应概念是可信区间(英语:Credible interval)(Credible Interval)。两者建立在不同的概念基础上的,贝叶斯统计将分布的位置参数视为随机变量,并对给定观测到的数据之后未知参数的后验分布进行描述,故无论对随机样本还是已观测数据,构造出来的可信区间,其可信水平都是一个合法的概率;而置信区间的置信水平,只在考虑随机样本时可以被理解为一个概率。定义置信区间最清晰的方式是从一个随机样本出发。考虑一个一维随机变量 X {displaystyle {cal {X}}} 服从分布 F {displaystyle {cal {F}}} ,又假设 θ {displaystyle theta } 是 F {displaystyle {cal {F}}} 的参数之一。假设我们的数据采集计划将要独立地抽样 n {displaystyle n} 次,得到一个随机样本 { X 1 , … , X n } {displaystyle {X_{1},ldots ,X_{n}}} ,注意这里所有的 X i {displaystyle X_{i}} 都是随机的,我们是在讨论一个尚未被观测的数据集。如果存在统计量(统计量定义为样本 X = { X 1 , … , X n } {displaystyle X={X_{1},ldots ,X_{n}}} 的一个函数,且不得依赖于任何未知参数) u ( X 1 , … , X n ) , v ( X 1 , … , X n ) {displaystyle u(X_{1},ldots ,X_{n}),v(X_{1},ldots ,X_{n})} 满足 u ( X 1 , … , X n ) < v ( X 1 , … , X n ) {displaystyle u(X_{1},ldots ,X_{n})<v(X_{1},ldots ,X_{n})} 使得:则称 ( u ( X 1 , … , X n ) , v ( X 1 , … , X n ) ) {displaystyle left(u(X_{1},ldots ,X_{n}),v(X_{1},ldots ,X_{n})right)} 为一个用于估计参数 θ {displaystyle theta } 的 1 − α {displaystyle 1-alpha } 置信区间,其中的, α {displaystyle alpha } 称为置信水平。接续随机样本版本的定义,现在,对于随机变量 X {displaystyle {cal {X}}} 的一个已经观测到的样本 { x 1 , … , x n } {displaystyle {x_{1},ldots ,x_{n}}} ,注意这里用小写x表记的 x i {displaystyle x_{i}} 都是已经观测到的数字,没有随机性了,定义基于数据的 1 − α {displaystyle 1-alpha } 置信区间为:注意,置信区间可以是单边或者双边的,单边的置信区间中设定 u = − ∞ {displaystyle u=-infty } 或者 v = + ∞ {displaystyle v=+infty } ,具体前者还是后者取决于所构造的置信区间的方向。初学者常犯一个概念性错误,是将基于观测到的数据所同样构造的置信区间的置信水平,误认为是它包含真实未知参数的真实值的概率。正确的理解是:置信水平只有在描述这个同样构造置信区间的过程(或称方法)的意义下才能被视为一个概率。一个基于已经观测到的数据所构造出来的置信区间,其两个端点已经不再具有随机性,因此,类似的构造的间隔将会包含真正的值的比例在所有值中,其包含未知参数的真实值的概率是0或者1,但我们不能知道是前者还是后者。1 − α {displaystyle 1-alpha } 水平的正态置信区间为:以下为方便起见,只列出双边置信区间的例子,且区间中用" ± {displaystyle pm } "进行简记:1 − α {displaystyle 1-alpha } 水平的双边正态置信区间为:1 − α {displaystyle 1-alpha } 水平的双边正态置信区间为:一般来说,置信区间的构造需要先找到一个枢轴变量(Pivotal quantity,或称Pivot),其表达式依赖于样本以及待估计的未知参数(但不能依赖于总体的其它未知参数),其分布不依赖于任何未知参数。下面以上述例2为例,说明如何利用枢轴变量构造置信区间。对于一个正态分布的随机样本 X 1 , … , X n {displaystyle {X_{1},ldots ,X_{n}}} ,可以证明(此证明对初学者并不容易)如下统计量互相独立:它们的分布是:所以根据t分布的定义,有于是反解如下等式左边括号中的不等式就得到了例2中双边置信区间的表达式。有时,置信区间可以用来进行参数检验。例如在上面的例1中构造的双边 1 − α {displaystyle 1-alpha } 水平置信区间,可以用来检验具有相应的显著水平为 α {displaystyle alpha } 的双边对立假设,具体地说是如下检验: 正态分布总体,知道总体方差 σ 2 {displaystyle sigma ^{2}} ,在 α {displaystyle alpha } 显著水平下检验:检验方法是:当且仅当相应的 1 − α {displaystyle 1-alpha } 水平置信区间不包含 μ 0 {displaystyle mu _{0}} 时拒绝零假设 H 0 {displaystyle H_{0}}例1中构造的双边 1 − α {displaystyle 1-alpha } 水平置信区间也可以用来检验如下两个显著水平为 α / 2 {displaystyle alpha /2} 的单边对立假设:和检验方法是完全类似的,比如对于上述第一个单边检验 H 1 : μ > μ 0 {displaystyle H_{1}:mu >mu _{0}} ,当且仅当双边置信区间的左端点大于 μ 0 {displaystyle mu _{0}} 时拒绝零假设。

相关

  • 寄生虫寄生虫(英语:parasitic worm)指一种生物,将其一生的大多数时间居住在另外一种生物体内,且会危害被居住的生物体的生理机能,被寄居的生物则称为宿主或寄主。寄生虫会在宿主或寄主体
  • 验光师人体解剖学 - 人体生理学 组织学 - 胚胎学 人体寄生虫学 - 免疫学 病理学 - 病理生理学 细胞学 - 营养学 流行病学 - 药理学 - 毒理学验光师(英文:optometrist)视光是医疗行业
  • 肾功能衰竭肾功能衰竭(英语:renal failure、kidney failure,或renal insufficiency),又简称肾衰竭,是指因肾病变,造成肾脏出现问题导致未能有效带走血液中的杂质,继而影响身体的代谢,严重者可致
  • 哥伦布克里斯托弗·哥伦布(西班牙语:Cristóbal Colón;意大利语:Cristoforo Colombo),(1451年-1506年5月20日)探险家、殖民者、航海家,出生于中世纪的热那亚共和国(今意大利西北部)。在西班
  • 青霉烷青霉烷(Penam)是β-内酰胺类抗生素的下属分类,其主炼为一β-内酰胺环接上饱和的五元环,而该五元环内有一个硫。 青霉素就是该分类的一员,该分类的称呼也是由此而来。羧基青霉素
  • 蜜环菌Armillariella mellea (Vahl) P. Karst., (1881)蕈伞凸面子实层连生美味蜜环菌(学名:Armillaria mellea),又名榛蘑、臻蘑、蜜蘑、蜜环蕈、栎蕈,分布于全球各地区,为小皮伞科真菌,也
  • 非维管植物维管植物 Tracheophyta非维管植物(或作非维管束植物)是对没有维管(木质部和韧皮部)的植物(包括绿藻)的总称。虽然非维管植物缺乏此类特殊的组织,但一部分的非维管植物会有特化来在
  • 氟康唑氟康唑(英语:Fluconazole)是一种三唑,可用于医治由真菌引起的病征。常见的商品名称有大扶康(Diflucan)或“Trican”(辉瑞)。在墨西哥的药店则以“Alfumet”为名销售。氟康唑是抗真菌
  • 核技术核子技术是关于原子核的核反应技术,其中比较重要和已经投入实用的有核动力、核医学和核武器。核技术的应用十分广泛,也应用于烟雾探测器(英语:Smoke detector),到瞄准具。1896年,亨
  • DAPIDAPI即4',6-二脒基-2-苯基吲哚(4',6-diamidino-2-phenylindole),是一种能够与DNA强力结合的荧光染料,常用于荧光显微镜观测。因为DAPI可以透过完整的细胞膜,它可以用于活细胞和固