非参数统计翻译7-8讲.docVIP

第七章 中位数和百分位数的置信区间 7.1 旧方法：以分布为基础计算均值置信区间 我们知道如何用公式找出平均值的95％的置信区间。 利用中检验函数很容易计算该置信区间。 然而，当以假设为基础的常规理论不被满足时，我们可以转而寻找总体中位数的95％的置信区间来替代非参数。这不是简单的任务，但如果你能遵循置信区间构造逻辑，它是可行的。 此外，该程序可以很容易地推广到除中位数外的百分数（例如，我们可以找到四分之一分位数置信区间，分位数置信区间等）。 7.2 中位数的非参数置信区间 回顾构造置信区间的基本概念：利用95％的置信区间来估计一些总体非参数，我们需要找到两个常数和，使得 . 区间被认为是非参数在的置信度下的置信区间。在总体均值下，我们想要找到中位数的上极限和 下极限使得 . 假设我们的样本包括个变量值.我们知道任何一个变量值下降高于或（低于）中位数的概率为。我们已经建立了，它的样本值都在中位数以上，统计量将是一个随机变量并且服从二项式抽样分布。 从寻找中位数边界置信区间开始，由于，所以我们可以充分利二项式抽样分布是对称分布这一事实，任何变量值高于中位数或低于中位数概率都是相同的。（如果，则不满足）。 为了说明这一点，这里有三种的不同的二项式抽样分布， 将变量值按从小到大的顺序排列（即）。由于对称性，但这些数据按顺序放置时，在每个端点处，中位数的置信区间的端点的数值相同。 因为只有观察有限数量的样本，这将导致考虑在可能的间隔内的有限数量。所以对于可能的函数值有 ，，，.... 下面我们来看一个例子。 例：睡眠模式。关于阿格纽睡眠模式的研究。通过测量16个年龄在50岁和60岁之间身心健康的男性在0级睡眠的时间占总睡眠时间的百分比。以下是相关数据： 0.07 0.69 1.74 1.90 1.99 2.41 3.07 3.08 3.10 3.53 3.71 4.01 8.11 8.23 9.10 10.16 找到在0级睡眠时间真实中位数百分比的的置信区间。我们将输入的数据转换成一个R向量，然后储存它： x - c(0.07, 0.69, 1.74, 1.90, 1.99, 2.41, 3.07, 3.08, 3.10, 3.53, 3.71, + 4.01, 8.11, 8.23, 9.10, 10.16) x.sorted - sort(x) x.sorted [1] 0.07 0.69 1.74 1.90 1.99 2.41 3.07 3.08 3.10 3.53 3.71 4.01 [13] 8.11 8.23 9.10 10.16 M置信区间可能取值有(0.07, 10.16)， (0.69, 9.10)， (1.74, 8.23)等。剩下的唯一要做的是找到与这些区间关联的置信度水平。我们希望为我们的答案，找到最窄的置信区间。 逻辑。为了展示这是如何工作，我们考虑区间（0.07，10.16）。这是最大的置信区间，如果不在数据的范围之内，它将无法覆盖。如果发生这种情况，那么要么所有的样本值都高于或都低于，所以超过随机样本的变量值必须满足=0（都不满足）或者=16（都满足）。因为服从二项分布（16,0.5），所以概率为 dbinom(0,16,.5) + dbinom(16,16,.5) [1] 3.051758e-05 因此“未能覆盖”的概率，覆盖概率，或置信水平是 1 - (dbinom(0,16,.5) + dbinom(16,16,.5)) [1] 0.9999695 区间（0.07，10.16）是的99.99695％的置信区间。这实现了我们所期望的95％的置信水平，但是该区间可能太宽。 如果我们移动到下一个最宽的区间（0.69，9.10）呢？因为该区间更窄，所以它的置信水平就更低。但是，如果它仍然在95％以上，那么说明它比区间（0.07，10.16）更好。通过使用上述相同的逻辑，除非或，否则区间（0.69，9.10）将无法覆盖。区间（0.69，9.10）的覆盖概率为 1 - sum(dbinom(c(0,1,15,16),16,0.5)) [1] 0.9994812 如果你希望看到这趋势发展。如果继续这个过程，将得到以下的结果： 因此，的95％的置信区间是。因此我们知道年龄在50岁至60岁之间的健康男性0级睡眠时间占总睡眠时间的中位数百分比的95％置信区间是（1.90，8.11）。 注意事项： 1.当样本n非常小的和样本二项分布（n，0.5）是高度离散的，实际的置信水