置信区间

✍ dations ◷ 2025-07-27 22:18:31 #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

  • 麻疹麻疹(拉丁语:Morbilli;德语:Masern;法语:Rougeole;英语:Measles 或 Rubeola;日语:はしか),是麻疹疫苗未出现前,一种好发在儿童身上的传染病,但成人也有一定机会感染。儿童常见的急性病毒是
  • Population MattersPopulation Matters(双关语,可理解为人口事情或人口至关重要或人口控制运动)是一个注册于英国的慈善组织、智库及倡导团体,前身为“理想人口信托”("Optimum Population Trust")。
  • 胰岛素抵抗胰岛素抵抗(英语:insulin resistance),是指脂肪细胞、肌肉细胞和肝细胞对正常浓度的胰岛素产生反应不足的现象,亦即这些细胞需要更高的胰岛素浓度才能对胰岛素产生反应。在脂肪细
  • 菇类蕈类(注音:ㄒㄩㄣˋㄌㄟˋ;拼音:xùn lèi),通称蘑菇、菇类,是大型、高等的真菌,子实体通常肉眼可见。菌丝具横隔壁,将菌丝分隔成多细胞。不过,蘑菇一词通常是对蘑菇属(Agaricus)部分食
  • 新墨西哥州新墨西哥州(纳瓦霍语:Yootó Hahoodzo;英语:New Mexico;西班牙语:Nuevo México),简称新墨州,是美国西南方的一州,它曾是墨西哥的一省。该州有许多西班牙裔的居民,亦有不少的美国原住民
  • 条约为了约束使用、发展、持有各种大规模杀伤性武器,世界各国已制订了各种大规模杀伤性武器条约及协定。条约规范了:
  • 陆地陆地是指地球表面未淹没在液态水下的区域。陆地约占地球表面的29%,面积约为1亿4821万平方公里。陆地和海、洋或其他水体的不同之处为地表最基本的差异。人类历史上大多数的活
  • 土地在经济学中,土地(英语:land)概括了所有自然资源,包括地理位置、土壤、矿产、森林、渔业资源、水资源、空气质量、地球静止轨道、电磁波谱、太阳等。土地是一种生产要素,是所有商品
  • 海格力斯赫拉克勒斯(希腊语:Ηρακλής,Hēraklēs,引申自Hēra“赫拉”和kleos“荣耀”,即赫拉克勒斯被称为赫拉的荣耀,转写:Heracles,音译赫剌克勒斯、海格力斯、海克力士、赫克力士),是
  • 民族国家民族国家(英语:Nation state),一种国家的形式与意识型态,不只是一个政治及地理的单一实体,在文化与族群上也是一个完整共同体。乃欧洲在20世纪现代性民族自决和自治概念及实践。一