首页 >
置信区间
✍ dations ◷ 2025-04-03 13:25:26 #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
- 急性支气管炎支气管炎又分作急性支气管炎与慢性支气管炎,是肺部中型支气管的炎症。急性支气管炎通常是由病毒或细菌感染引起。可以持续数天或数周。急性支气管炎是肺部支气管(中至大的大小
- 血管运动性鼻炎血管运动性鼻炎是一种非过敏性鼻炎,它有很多的症状跟一般的鼻炎相同,比如慢性的流鼻涕,伴有间断性喷嚏、鼻溢、鼻尖粘膜组织充血,血管运动性鼻炎与鼻窦炎以及其他应激性反应是有
- 觉得天旋地转眩晕(Vertigo),是用来形容一个人静止时却感到周边环境有相对运动的状态。患者会有天旋地转或是摇晃的感觉。常伴随恶心、呕吐、盗汗或是行走困难。当头部有所移动的时候,眩晕的
- Nasup+/sup3s12,8,1蒸气压第一:495.8 kJ·mol−1 第二:4562 kJ·mol−1 第三:6910.3 kJ·mol−1 (主条目:钠的同位素钠是一种化学元素,元素符号为Na,原子序为11,相对原子量为23。它是柔软且
- 关节积血关节积血(英语:Hemarthrosis)是指关节内出血。这是血友病的常见症状。通常在损害受伤后发生,但主要在有出血倾向的患者,例如,使用华法林(warfarin,或其他抗凝剂)的患者和血友病患者。
- 女性性功能障碍女性性功能障碍(Female sexual dysfunction)是指女性性反应周期一个或几个环节发生障碍,或出现与性交有关的疼痛。女性性功能障碍的诊断主要依靠临床判断,需注意的是这种障碍必
- 葡萄球菌属葡萄球菌(学名:Staphylococcus)是一群革兰氏染色阳性球菌,因常常堆聚成葡萄串状而得名。广泛分布于自然界及人和动物的皮肤及与外界相通的腔道中。大部分是不致病的腐生菌。医务
- 怀孕妊娠(英语:pregnancy),又称怀孕,是指胚胎或胎儿(英语:Offspring)在哺乳类雌性体内孕育成长的过程,而在哺乳动物中研究得最详细的是人类的妊娠。人类的妊娠约40周,从受精排卵算起则为38
- 椭圆在数学中,椭圆是平面上到两个相异固定点的距离之和为常数的点之轨迹。根据该定义,可以用手绘椭圆:先准备一条线,将这条线的两端各绑在固定的点上(这两个点就当作是椭圆的两个焦点
- 表睾酮表睾酮(英语:Epitestosterone)或称为异睾酮,英语:isotestosterone, 17α-睾酮,17α-testosterone,是一种内源性的甾体物质,是雄性性激素睾酮的17α-羟基差向异构体,是一种较弱的雄激素