R abc.ci 非參數 ABC 置信區間

說明

給定一組數據和參數估計量，使用數值微分計算參數的等尾兩側非參數近似自舉置信區間。

用法

abc.ci(data, statistic, index=1, strata=rep(1, n), conf=0.95, 
       eps=0.001/n, ...)

參數

data	表示為向量、矩陣或 DataFrame 的數據集。
statistic	返回感興趣的統計數據的函數。該函數必須至少有 2 個參數；第一個參數應該是數據，第二個參數應該是權重向量。傳遞給 statistic 的權重將在每個層內標準化為總和為 1。任何其他參數都應作為 ...{} 參數的一部分傳遞給 abc.ci。
index	如果 statistic 返回長度大於 1 的向量，則這表示感興趣的變量在該向量內的位置。
strata	指示多樣本問題中每個觀測值屬於哪個樣本的因子或數值向量。默認情況下是單樣本情況。
conf	包含所需區間置信水平的標量或向量。
eps	用於數值微分的 epsilon 值。
...	statistic 的任何其他參數。每次在 abc.ci 內調用時，它們都會原封不動地傳遞給 statistic 。

細節

該函數基於 R. Tibshirani 編寫的函數abcnon。 DiCiccio 和 Efron (1996) 中提供了原始函數的列表。該函數對統計量的一階和二階導數使用數值微分，然後使用這些值來近似引導 BCa 區間。統計數據的評估總數為2*n+2+2*length(conf)，其中n 是數據點的數量(加上統計數據原始值的計算結果)。該函數適用於多個樣本情況，無需以人工形式重寫統計量，因為分層歸一化是由函數內部完成的。

值

length(conf) x 3 矩陣，其中每行包含置信水平，後跟該水平 ABC 區間的下限和上限 end-points。

例子

# 90% and 95% confidence intervals for the correlation 
# coefficient between the columns of the bigcity data

abc.ci(bigcity, corr, conf=c(0.90,0.95))

# A 95% confidence interval for the difference between the means of
# the last two samples in gravity
mean.diff <- function(y, w)
{    gp1 <- 1:table(as.numeric(y$series))[1]
     sum(y[gp1, 1] * w[gp1]) - sum(y[-gp1, 1] * w[-gp1])
}
grav1 <- gravity[as.numeric(gravity[, 2]) >= 7, ]
## IGNORE_RDIFF_BEGIN
abc.ci(grav1, mean.diff, strata = grav1$series)
## IGNORE_RDIFF_END

參考

Davison, A.C. and Hinkley, D.V. (1997) Bootstrap Methods and Their Application, Chapter 5. Cambridge University Press.

DiCiccio, T. J. and Efron B. (1992) More accurate confidence intervals in exponential families. Biometrika, 79, 231-245.

DiCiccio, T. J. and Efron B. (1996) Bootstrap confidence intervals (with Discussion). Statistical Science, 11, 189-228.

也可以看看

boot.ci