R norm.ci 正态近似置信区间

说明

使用统计量的正态近似，计算等尾两侧置信区间。

用法

norm.ci(boot.out = NULL, conf = 0.95, index = 1, var.t0 = NULL, 
        t0 = NULL, t = NULL, L = NULL, h = function(t) t, 
        hdot = function(t) 1, hinv = function(t) t)

参数

boot.out	从调用 boot 返回的引导输出对象。如果缺少 t0，则 boot.out 是必需参数。如果 var.t0 和 t 均缺失，则也需要提供该信息。
conf	包含所需区间置信水平的标量或向量。
index	调用 boot.out$statistic 的输出中感兴趣的统计数据的索引。如果boot.out 缺失，则不使用它，在这种情况下，必须提供t0。
var.t0	感兴趣的统计量的方差。如果未提供，则使用var(t)。
t0	感兴趣的统计量的观测值。如果丢失，则从 boot.out 中获取，在这种情况下这是必需的。
t	感兴趣变量的引导复制。如果未提供var.t0，这些用于估计感兴趣的统计数据的方差。默认值为boot.out$t[,index]。
L	感兴趣统计的经验影响值。如果var.t0 和boot.out 均未提供，则这些用于计算var.t0。如果通过 h 提供转换，则影响值必须针对未转换的统计量 t0 。
h	定义单调变换的函数，间隔按 h(t) 的尺度计算，并将反函数 hinv 应用于结果间隔。 h 必须是仅一个变量的函数，并且必须进行矢量化。默认为恒等函数。
hdot	一个参数的函数，返回 h 的导数。如果提供了 h ，则它是必需的参数，用于近似 h(t0) 的方差。默认为常数函数 1。
hinv	一个函数，例如 h ，它返回 h 的逆值。它用于将在 h(t) 尺度上计算的间隔转换回原始尺度。默认为恒等函数。如果提供了 h 但未提供 hinv，则返回的间隔将采用转换后的比例。

细节

假设感兴趣的统计量具有方差 var.t0 的近似正态分布，因此找到长度为 2*qnorm((1+conf)/2)*sqrt(var.t0) 的置信区间。如果提供 boot.out 或 t ，则使用引导偏差估计对间隔进行偏差校正，因此间隔将以 2*t0-mean(t) 为中心。否则，间隔以 t0 为中心。

值

如果 length(conf) 为 1，则返回包含置信水平和区间端点的向量。否则，返回的值是一个矩阵，其中每一行对应于不同的置信水平。

注意

该函数主要设计为由 boot.ci 调用以计算自举后的正态近似值，但只要可以提供 t0 和 var.t0，也可以在不进行任何自举计算的情况下使用该函数。请参阅下面的示例。

例子

#  In Example 5.1 of Davison and Hinkley (1997), normal approximation 
#  confidence intervals are found for the air-conditioning data.
air.mean <- mean(aircondit$hours)
air.n <- nrow(aircondit)
air.v <- air.mean^2/air.n
norm.ci(t0 = air.mean, var.t0 = air.v)
exp(norm.ci(t0 = log(air.mean), var.t0 = 1/air.n)[2:3])

# Now a more complicated example - the ratio estimate for the city data.
ratio <- function(d, w)
     sum(d$x * w)/sum(d$u *w)
city.v <- var.linear(empinf(data = city, statistic = ratio))
norm.ci(t0 = ratio(city,rep(0.1,10)), var.t0 = city.v)

参考

Davison, A.C. and Hinkley, D.V. (1997) Bootstrap Methods and Their Application. Cambridge University Press.

也可以看看

boot.ci