Intervalles de confiance lors de l'utilisation du théorème de Bayes

8

Je calcule des probabilités conditionnelles et des intervalles de confiance à 95% associés. Pour bon nombre de mes cas, j'ai un décompte simple des xsuccès des nessais (à partir d'un tableau de contingence), donc je peux utiliser un intervalle de confiance binomial, tel que celui fourni par binom.confint(x, n, method='exact')dans R.

Dans d'autres cas cependant, je n'ai pas de telles données, donc j'utilise le théorème de Bayes pour calculer à partir des informations que j'ai. Par exemple, compte tenu des événements et :ab

P(a|b)=P(b|a)P(a)P(b)

Je peux calculer un intervalle de confiance de 95% autour de P(b|a) utilisant binom.confint(#(ba),#(a)) , et je calcule le rapport P(a)/P(b) comme leur rapport de fréquence #(a)/#(b) . Est-il possible de dériver un intervalle de confiance autour de P(a|b) utilisant ces informations?

Merci.

Ken Williams
la source
a et sont des événements. Dans mon cas, est une défaillance du système (ce qui est assez rare, donc relativement difficile à trouver "à l'état sauvage"), et est une alarme de pré-défaillance, donc je mesure la probabilité de défaillance en raison d'une alarme. bab
Ken Williams
Le commentaire ci-dessus était en réponse à quelqu'un qui a demandé plus d'informations sur ce qu'étaient et , mais semble avoir supprimé ce commentaire. ab
Ken Williams
Eh bien, vous ne pouvez pas simplement prendre l'intervalle de confiance pour p (b | a) et le mettre à l'échelle par p (a) / p (b) en raison de l'incertitude dans l'estimation de ce rapport. Si vous pouvez construire un intervalle de confiance de 100 (1-α)% pour p (a) / p (b), appelez-le [A, B], puis prenez la borne inférieure pour un intervalle de confiance de 100 (1-α)% pour p ( b | a) et multipliez-le par A et prenez la limite supérieure de p (b | a) et multipliez-la par B. Cela devrait donner à un intervalle qui a au moins un niveau de confiance de 100 (1-α) % pour p (a | b). 2
Michael R. Chernick
Pourrait fonctionner ... obtenir un intervalle de confiance pour n'est pas évident pour moi cependant - avez-vous envie de le déplacer dans la zone "Réponse"? Je promets au moins un vote positif. =)P(a)/P(b)
Ken Williams
2
Ne voulez-vous pas plutôt un intervalle crédible bayésien ? Cela est directement calculable à partir de la distribution postérieure de . a
whuber

Réponses:

3

Eh bien, vous ne pouvez pas simplement prendre l'intervalle de confiance pour et le mettre à l'échelle par raison de l'incertitude dans l'estimation de ce rapport. Si vous pouvez construire un intervalle de confiance de pour , alors prenez la borne inférieure pour un intervalle de confiance de pour et le multiplier par et prendre la limite supérieure pour et le multiplier par . Cela devrait donner à un intervalle qui a au moins un niveau de confiance de pour .p(b|a)p(a)/p(b)100(1α)%[A,B]p(a)/p(b)100(1α)%p(b|a)Ap(b|a)B100(1α)2%p(a|b)

Michael R. Chernick
la source
Cela semble réalisable au moins comme un premier coup de couteau. Mais je ne connais pas de méthode pour dériver des intervalles de confiance pour le rapport de deux probabilités de Bernoulli compte tenu des dénombrements observés de et dans un échantillon de population. P(a)/P(b)ab
Ken Williams
Il y a une prétendue méthode pour calculer un intervalle sur par Katz et al., 1978. Je ne peux pas trouver le papier original sans murs payants, mais cette citation semble montrer la méthode: jstor.org/ découvrir / 10.2307 / 2531405P(a)/P(b)
Ken Williams
Si je ne me suis pas trompé, voici une fonction pour faire cette estimation d'intervalle de ratio de Bernoullis:binrat.confint <- function(x, y, n=Inf, m=n, p=0.95) { s2 <- 1/x - 1/n + 1/y - 1/m; x/y * exp(c(-1:1)*pnorm((1+p)/2)*sqrt(s2)) }
Ken Williams