Imaginez que vous répétiez une expérience trois fois. Dans chaque expérience, vous collectez des mesures en triple. Les triplicats ont tendance à être assez proches les uns des autres, par rapport aux différences entre les trois moyens expérimentaux. Le calcul de la moyenne est assez facile. Mais...
J'ai entendu / vu à plusieurs endroits que vous pouvez transformer l'ensemble de données en quelque chose qui est distribué normalement en prenant le logarithme de chaque échantillon, calculer l'intervalle de confiance pour les données transformées et retransformer l'intervalle de confiance en...
Comment puis-je calculer l'intervalle de confiance d'une moyenne dans un échantillon non distribué normalement? Je comprends que les méthodes d'amorçage sont couramment utilisées ici, mais je suis ouvert à d'autres options. Pendant que je recherche une option non paramétrique, si quelqu'un peut me...
Considérez un ensemble aléatoire de nombres qui sont normalement distribués: x <- rnorm(n=1000, mean=10) Nous aimerions connaître la moyenne et l'erreur standard sur la moyenne, nous procédons donc comme suit: se <- function(x) { sd(x)/sqrt(length(x)) } mean(x) # something near 10.0 units...
Pour calculer l'intervalle de confiance (IC) pour la moyenne avec un écart-type de population inconnu (sd), nous estimons l'écart-type de la population en utilisant la distribution t. Notamment, CI=X¯±Z95%σX¯CI=X¯±Z95%σX¯CI=\bar{X} \pm Z_{95\% }\sigma_{\bar X} où σX¯=σn√σX¯=σn\sigma_{\bar X} =...
Pour faire ce graphique, j'ai généré des échantillons aléatoires de taille différente à partir d'une distribution normale avec moyenne = 0 et sd = 1. Les intervalles de confiance ont ensuite été calculés en utilisant des seuils alpha allant de .001 à .999 (ligne rouge) avec la fonction t.test (),...
Ayons un modèle linéaire, par exemple juste une simple ANOVA: # data generation set.seed(1.234) Ng <- c(41, 37, 42) data <- rnorm(sum(Ng), mean = rep(c(-1, 0, 1), Ng), sd = 1) fact <- as.factor(rep(LETTERS[1:3], Ng)) m1 = lm(data ~ 0 + fact) summary(m1) Le résultat est le suivant: Call:...
J'ai deux questions sur les intervalles de confiance: Apparemment, un intervalle de confiance étroit implique qu'il y a une moindre chance d'obtenir une observation dans cet intervalle, par conséquent, notre précision est plus élevée. Un intervalle de confiance à 95% est également plus étroit qu'un...
En étudiant l'intervalle de confiance basé sur le bootstrap, j'ai lu une fois la déclaration suivante: Si la distribution de bootstrap est biaisée vers la droite, l'intervalle de confiance basé sur le bootstrap incorpore une correction pour déplacer les points d'extrémité encore plus vers la...
Les cours de statistiques de base suggèrent souvent d'utiliser une distribution normale pour estimer la moyenne d'un paramètre de population lorsque la taille de l'échantillon n est grande (généralement supérieure à 30 ou 50). La distribution T de Student est utilisée pour des échantillons de plus...
Supposons que l'on ait deux échantillons indépendants de la même population et que des méthodes différentes ont été utilisées sur les deux échantillons pour dériver l'estimation ponctuelle et les intervalles de confiance. Dans des cas triviaux, une personne sensée regrouperait simplement les deux...
Remarque: excuses à l'avance s'il s'agit d'un doublon, je n'ai pas trouvé de q similaire dans ma recherche Disons que nous avons un vrai paramètre p. Un intervalle de confiance C (X) est un RV qui contient p, disons 95% du temps. Supposons maintenant que nous observons X et calculons C (X). La...
Je lisais récemment un article qui incorporait le hasard dans sa confiance et ses intervalles crédibles, et je me demandais si c'était standard (et, si oui, pourquoi c'était une chose raisonnable à faire). Pour définir la notation, supposons que nos données sont et que nous souhaitons créer des...
Étant donné deux tableaux x et y, tous deux de longueur n, j'adapte un modèle y = a + b * x et je veux calculer un intervalle de confiance à 95% pour la pente. C'est (b - delta, b + delta) où b se trouve de la manière habituelle et delta = qt(0.975,df=n-2)*se.slope et se.slope est l'erreur standard...
J'analyse un ensemble de données à l'aide d'un modèle à effets mixtes avec un effet fixe (condition) et deux effets aléatoires (participant en raison de la conception et de la paire du sujet). Le modèle a été généré avec le lme4package:
Dans le livre "Biostatistique pour les nuls" à la page 40, je lis: L'erreur standard (abrégée SE) est un moyen d'indiquer la précision de votre estimation ou mesure de quelque chose. et Les intervalles de confiance fournissent une autre façon d'indiquer la précision d'une estimation ou d'une mesure...
Je faisais référence à cette conférence vidéo pour calculer l'intervalle de confiance . Cependant, j'ai une certaine confusion. Ce type utilise des statistiques pour le calcul. Cependant, je pense qu'il aurait dû être un -statistiques. On ne nous donne pas le véritable écart-type de la population....
Le package de traçage R ggplot2 a une fonction impressionnante appelée stat_smooth pour tracer une ligne (ou courbe) de régression avec la bande de confiance associée. Cependant, j'ai du mal à comprendre exactement comment cette bande de confiance est générée, à chaque fois que la ligne de...
Soit {Xi}ni=1{Xi}i=1n\{X_i\}_{i=1}^n une famille de variables aléatoires iid prenant des valeurs dans [0,1][0,1][0,1] , ayant une moyenne μμ\mu et une variance σ2σ2\sigma^2 . Un intervalle de confiance simple pour la moyenne, utilisant σσ\sigma chaque fois qu'elle est connue, est donné par...
Le traitement classique de l'inférence statistique repose sur l'hypothèse qu'une statistique correctement spécifiée est utilisée. Autrement dit, la distribution P∗(Y)P∗(Y)\mathbb{P}^*(Y) qui a généré les données observées yyy fait partie du modèle statistique MM\mathcal{M} :...