首页 >
置信区间
✍ dations ◷ 2025-06-06 21:47:49 #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
- 语素语素(Morpheme)又称形态素、义基,在语素构词学里指最小的语法单位,是最小的语音语义结合体。在口语中,语素是由音位这一种能区别的最小声音单位所组成的,而在文字形式语言中,语素则
- 螺旋体螺旋体门(Spirochaetes)是一类很有特点的细菌,具有长的螺旋形盘绕的细胞。它们独具细胞全长、在细胞膜和细胞壁之间的鞭毛,称为“轴丝”(axial filament)。螺旋体可以通过轴丝产生
- 侏儒症侏儒症(英语:Dwarfism)是指人、动物或植物极端矮小的一种状态。以前在日常生活和医学上,任何类型的人明显矮小都可称为侏儒症。而今,这一名词只限于极端矮小且身体不相称的人,通常
- ECL细胞类肠嗜铬细胞(Enterochromaffin-like cells),常简称ECL细胞(ECL cells)是一种胃黏膜(英语:gastric mucosa)上的神经分泌细胞,常分布于胃壁细胞附近。ECL细胞能分泌组织胺,辅助胃酸的分
- 反应堆级钚反应堆级钚是指在反应堆中经过若干年燃烧后由铀-238经中子俘获和两次连续的β衰变生成的钚-239,再被嬗变成其它钚的同位素之后形成的混合物。目前的核电站一般使用的热中子堆
- 辅酶辅因子(英语:cofactor)指与酶(酵素)结合且在催化反应中必要的非蛋白质化合物。某些分子如水和部分常见的离子所扮演的角色和辅因子相当类似,但由于含量不受限制且普遍存在,因此不归
- 糠酸氟替卡松糠酸氟替卡松(Fluticasone furoate、氟替卡松糠酸酯、氟替卡松莫米松、合成的三氟化皮质类固醇)为源自氟替卡松的一种人工合成皮质类固醇,为治疗过敏性鼻炎用。美国葛兰素史
- 玉树县玉树市(藏语:.mw-parser-output .uchen{font-family:"Qomolangma-Dunhuang","Qomolangma-Uchen Sarchen","Qomolangma-Uchen Sarchung","Qomolangma-Uchen Suring","Qomolangm
- 价值在伦理学上,价值即是看每一件事的角度,去寻找在每一件事上何为最佳的做法或看法。价值为德性伦理学所重视的一个因素。有人将其分成工具价值和内在价值。工具价值即为了达到心
- 目的论目的论(英语:Teleology)属于哲学的范畴,致力于探讨事物产生的目的、本源和其归宿。传统上目的论与哲学自然论(或偶然论)是对立的。例如,自然论者会认为人有眼睛所以人有视力,即所谓