R norm.ci 正態近似置信區間

說明

使用統計量的正態近似，計算等尾兩側置信區間。

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)

參數

boot.out	從調用 boot 返回的引導輸出對象。如果缺少 t0，則 boot.out 是必需參數。如果 var.t0 和 t 均缺失，則也需要提供該信息。
conf	包含所需區間置信水平的標量或向量。
index	調用 boot.out$statistic 的輸出中感興趣的統計數據的索引。如果boot.out 缺失，則不使用它，在這種情況下，必須提供t0。
var.t0	感興趣的統計量的方差。如果未提供，則使用var(t)。
t0	感興趣的統計量的觀測值。如果丟失，則從 boot.out 中獲取，在這種情況下這是必需的。
t	感興趣變量的引導複製。如果未提供var.t0，這些用於估計感興趣的統計數據的方差。默認值為boot.out$t[,index]。
L	感興趣統計的經驗影響值。如果var.t0 和boot.out 均未提供，則這些用於計算var.t0。如果通過 h 提供轉換，則影響值必須針對未轉換的統計量 t0 。
h	定義單調變換的函數，間隔按 h(t) 的尺度計算，並將反函數 hinv 應用於結果間隔。 h 必須是僅一個變量的函數，並且必須進行矢量化。默認為恒等函數。
hdot	一個參數的函數，返回 h 的導數。如果提供了 h ，則它是必需的參數，用於近似 h(t0) 的方差。默認為常數函數 1。
hinv	一個函數，例如 h ，它返回 h 的逆值。它用於將在 h(t) 尺度上計算的間隔轉換回原始尺度。默認為恒等函數。如果提供了 h 但未提供 hinv，則返回的間隔將采用轉換後的比例。

細節

假設感興趣的統計量具有方差 var.t0 的近似正態分布，因此找到長度為 2*qnorm((1+conf)/2)*sqrt(var.t0) 的置信區間。如果提供 boot.out 或 t ，則使用引導偏差估計對間隔進行偏差校正，因此間隔將以 2*t0-mean(t) 為中心。否則，間隔以 t0 為中心。

值

如果 length(conf) 為 1，則返回包含置信水平和區間端點的向量。否則，返回的值是一個矩陣，其中每一行對應於不同的置信水平。

注意

該函數主要設計為由 boot.ci 調用以計算自舉後的正態近似值，但隻要可以提供 t0 和 var.t0，也可以在不進行任何自舉計算的情況下使用該函數。請參閱下麵的示例。

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)

參考

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

也可以看看

boot.ci