首页 >
置信区间
✍ dations ◷ 2025-04-04 10:01:26 #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
- 头部外伤头部受伤是指头部的创伤。这可能包含或不包含对大脑的伤害。不过,术语创伤性脑损伤与头部受伤在医学文献中通常是可以互换使用的。头部受伤的发生率(新发病例数)是每年每10万个
- 运动系统运动系统是动物体用来进行诸如移动,抓取,进食,眼动以及言语等骨骼肌运动的器官组成的功能整体。运动系统的主要部分包括位于外周的骨骼肌和神经以及位于中枢的脑和脊髓。脑和脊
- 希腊文希腊语(Ελληνικά),中文也称希腊文,是一种印欧语系的语言,广泛用于希腊、阿尔巴尼亚、塞浦路斯等国,亦有使用于土耳其(包括小亚细亚一带)的某些地区。希腊语言元音发达,希腊人
- 10国际疾病伤害及死因分类标准第十版(英语:The International Statistical Classification of Diseases and Related Health Problems 10th Revision,ICD-10)是世界卫生组织依据疾
- 肌肌肉(拉丁语:Musculus)是一种能收缩的动物组织,属于软组织,由胚胎的中胚层发育而来。肌肉细胞有收缩纤维,会在细胞间移动,并改变细胞的大小。肌肉分为骨骼肌、心肌和平滑肌三种,其功
- 呋喃妥因呋喃妥因(英语:Nitrofurantoin)商品名称Macrobid,是一种用作治疗尿道感染的抗生素。对于肾脏感染(英语:Pyelonephritis)不具效用,须以口服方式服用。常见副作用包含恶心、食欲不振、
- 浓度浓度指某物质在总量中所占的分量。常用的浓度表示法有: 次数
- 联合国人道事务协调厅联合国人道主义事务协调厅(英语:United Nations Office for the Coordination of Humanitarian Affairs,缩写为OCHA)是联合国秘书处的下属机构,根据1991年12月第46届联合国大会第
- 管理水管理是在水文政策与法律之下对于水资源的计划、开发、分配、运输以及适当利用的过程。它有以下几种含意:
- The Lancet《柳叶刀》(The Lancet),是世界上最悠久及最受重视的同行评审医学期刊之一,主要由爱思唯尔出版公司发行,部分与里德·爱思唯尔集团协同出版。1823年由汤姆·魏克莱(英语:Thomas Wak