Tôi phải tìm 95% CI trên trung vị và các phân vị khác. Tôi không biết làm thế nào để tiếp cận điều này. Tôi chủ yếu sử dụng R như một công cụ lập trình.
Tôi phải tìm 95% CI trên trung vị và các phân vị khác. Tôi không biết làm thế nào để tiếp cận điều này. Tôi chủ yếu sử dụng R như một công cụ lập trình.
Câu trả lời:
Dưới đây là một minh họa trên bộ dữ liệu R cổ điển:
> x = faithful$waiting
> bootmed = apply(matrix(sample(x, rep=TRUE, 10^4*length(x)), nrow=10^4), 1, median)
> quantile(bootmed, c(.025, 0.975))
2.5% 97.5%
73.5 77
đưa ra khoảng tin cậy (73,5, 77) trên trung vị.
( Lưu ý: Corrected phiên bản, nhờ John . Tôi sử dụng trong trước đó, dẫn đến sự nhầm lẫn!)nrow
Một cách tiếp cận khác dựa trên số lượng của phân phối nhị thức.
ví dụ:
> x=faithful$waiting
> sort(x)[qbinom(c(.025,.975), length(x), 0.5)]
[1] 73 77
Kiểm tra thay đổi kích thước bootstrap. Tìm kiếm trợ giúp cho chức năng khởi động. Tùy thuộc vào dữ liệu của bạn với việc lấy mẫu lại, bạn có thể ước tính khoảng tin cậy cho bất cứ điều gì.
wilcox.test(..., conf.int=TRUE)
chức năng của R.
Và có nhiều cách tiếp cận khác: Một dựa trên thử nghiệm Wilcoxon Rank Sum được áp dụng cho một mẫu với hiệu chỉnh liên tục. Trong R, điều này có thể được cung cấp như:
wilcox.test(x,conf.level=0.95,alternative="two.sided",correct=TRUE)
Và có CI của David Olive cho trung vị được thảo luận ở đây:
Kết quả dựa trên phương pháp qbinom không chính xác đối với các mẫu nhỏ. Giả sử x có 10 thành phần. Sau đó, qbinom (c (.025, .975), 10, .5) đưa ra 2 và 8. Khoảng kết quả không xử lý thống kê đơn hàng ở đuôi dưới đối xứng với các đuôi từ đuôi trên; bạn sẽ nhận được 2 và 9, hoặc 3 và 8. Câu trả lời đúng là 2 và 9. Bạn có thể kiểm tra đối với Proc univariate trong SAS. Bắt ở đây là bạn không cần nhiều hơn 0,25 xác suất dưới và trên; lượng tử thấp hơn không làm điều này, vì nó cho ít nhất 0,25 tại hoặc thấp hơn. Bạn được lưu ở phía dưới vì số đếm phải là 1 sẽ được ánh xạ tới thống kê thứ tự thứ hai, đếm 0 và do đó, "hủy bởi một" hủy bỏ. Việc hủy bỏ tình cờ này không xảy ra trên đầu, và vì vậy bạn nhận được câu trả lời sai ở đây. Mã sắp xếp (x) [qbinom (c (.025, .975), chiều dài (x) ,. 5) + c (0,1)] gần như hoạt động và .5 có thể được thay thế bằng các giá trị lượng tử khác để có khoảng tin cậy cho các lượng tử khác, nhưng sẽ không đúng khi tồn tại sao cho P [X <= a ] =. 025. Xem, ví dụ, Higgins, Statisitcs không đối xứng.
library(boot)
xuất hiện để xác nhận điều này:> boot.ci (boot (x, function (x, i) median (x [i]), R = 1000)) Khoảng: Mức cơ bản Bình thường 95% (74,42, 78,22) (75,00) , 78,49) Tỷ lệ phần trăm BCa 95% (73,51, 77,00) (73,00, 77,00)