首页 >
置信水平
✍ dations ◷ 2025-05-03 09:21:23 #置信水平
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
- 人口增长率人口自然增长率指一定时期内人口自然增长数(出生人数减死亡人数)与该时期内平均人口数之比,通常以年为单位计算,用千分比来表示,计算公式为:人口自然增长率 = (年内出生人数 - 年内死
- 萨丁岛坐标:40°00′N 09°00′E / 40.000°N 9.000°E / 40.000; 9.000撒丁岛(意大利语:Sardegna,,撒丁语:Sardìgna, Sardìnnia)位于意大利半岛的西南方,是地中海的第二大岛,仅次于西西
- 达纳角达纳角(英文:Dana Point),是美国加利福尼亚州橙县下属的一座城市。建市于1911年3月22日,面积 大约为6.5平方英里 (16.8平方公里)。根据2010年美国人口普查,该市有人口33,351人。
- 在位时间最长的君主列表以下列表是历史上在位时间达54年的君主一览(根据在位时间倒序);绿色为在世君主,粗体为著名君主。
- Psychoactive蟾蜍Incilius alvarius(Frost, 2008)科罗拉多河蟾蜍(学名:Bufo alvarius)是一种有毒的蟾蜍,原产于美国西南部及墨西哥北部。它的皮肤和毒液中含有5-甲氧基二甲基色胺和蟾毒色胺。蟾
- 和平伙伴关系计划和平伙伴关系计划(英语:Partnership for Peace,缩写PfP)是北大西洋公约组织旗下的一个项目,旨在于北约成员国、前苏联和前南斯拉夫加盟国以及其它欧洲国家之间建立双边合作与互信
- 欧洲杯足球赛欧洲杯足球赛通常有以下两种含义:
- 三叶动物门三叶动物门(学名:Trilobozoa),又名三裂动物门,是一个已经完全灭绝的动物门,在分类上属辐射对称动物,身体呈特殊的三重辐射对称结构。三叶动物生存的年代非常久远,其化石仅出现于寒武
- 专利地图专利地图(Patent Map)系指透过专利检索技巧,检索出与研究主题相关之专利资料,并以统计分析之方法,加以缜密及精细之剖析整理制成各种可分析、解读、以图表格式呈现之加值化专利资
- 渡边多惠子渡边多惠子(1960年8月29日-),日本漫画家。东京都出身。血型AB型。1979年以‘和佳ちゃんの熱愛時代’出道。体验了美国寄宿生活后,以男孩子气的美国少女菲儿为主角,于小学馆“别册