Frage:
Wie berechnet man das Konfidenzintervall für Zähldaten in R?
lokheart
2011-05-18 09:44:31 UTC
view on stackexchange narkive permalink

Als Frage habe ich hier etwas Ähnliches gefunden, aber wie geht das in R?

Ist das Beispiel unter http://stats.stackexchange.com/q/5206/919 hilfreich?
`poisson.test` gibt identische Antworten auf die Seite, auf die Sie für Zähldaten verwiesen haben.
Drei antworten:
#1
+10
Henry
2011-05-18 12:25:38 UTC
view on stackexchange narkive permalink

Sie suchen nach einem Konfidenzintervall um die Zählung eines Poisson-Prozesses. Wenn Sie beispielsweise 42 in Ihr verknüpftes Beispiel einfügen, erhalten Sie

Sie haben 42 Objekte in einem bestimmten Volumen oder 42 Ereignisse in einem bestimmten Zeitraum beobachtet.

Genaues Poisson-Konfidenzintervall :

  • Das 90% -Konfidenzintervall erstreckt sich von 31,94 bis 54,32
  • Das 95% -Konfidenzintervall erstreckt sich von 30,27 bis 56,77
  • Das 99% -Konfidenzintervall erstreckt sich von 27,18 bis 61,76
/ blockquote>

Sie können dies in R mit poisson.test erhalten. Zum Beispiel

  > poisson.test (42, conf.level = 0.9) Exakte Poisson-Testdaten: 42 Zeitbasis: 1 Anzahl von Ereignissen = 42, Zeitbasis = 1, p-Wert < 2.2 e-16alternative Hypothese: Die wahre Ereignisrate entspricht nicht 1 90-Prozent-Konfidenzintervall: 31.93813 54.32395 Stichprobenschätzungen: Ereignisrate 42  

und in ähnlicher Weise die anderen Werte durch Ändern des Konfidenzniveaus . Wenn Sie nicht alle Hintergrundinformationen wünschen, versuchen Sie etwas wie

  > poisson.test (42, conf.level = 0.95) $ conf.int [1] 30.26991 56.77180attr (, "conf .level ") [1] 0,95  
#2
+6
chainsaw riot
2011-12-23 13:35:55 UTC
view on stackexchange narkive permalink

Wenn die Anzahl der Ereignisse zu gering ist, ist es besser, die genaue Methode zu verwenden.

  genauePoiCI <-Funktion (X, conf.level = 0,95) {alpha = 1 - conf.level obere <- 0,5 * qchisq ((1- (alpha / 2)), (2 * X)) untere <- 0,5 * qchisq (alpha / 2, (2 * X +2)) return (c (untere) , obere))} genauePoiCI (42, 0,9) genauePoiCI (42) genauePoiCI (42, 0,99)  

Referenz: Liddell FD. Einfache genaue Analyse der standardisierten Sterblichkeitsrate. J Epidemiol Community Health. 1984; 38: 85-8 ( Link)

Willkommen auf der Website. Stört es Sie, darauf einzugehen? Was genau bedeutet "Daten zählen ist zu klein" (Stichprobengröße klein oder Intensität der Ereignisse zu klein?). Eine Referenz wäre ebenfalls willkommen.
#3
+2
Jianmei Wang
2015-11-19 17:27:07 UTC
view on stackexchange narkive permalink

Die erste Antwort mit poisson.test gibt das genaue Konfidenzintervall an. Diese Berechnung ist jedoch so einfach, dass ich sie lieber direkt berechne als eine Bibliotheksfunktion zu verwenden. In der zweiten Antwort liegt ein kleiner Fehler vor. Die +2 sollte im Freiheitsgrad für die obere CI-Berechnung liegen, nicht für die untere. Der richtige Code sollte also sein:

  genaue PoiCI <-Funktion (X, conf.level = 0,95) {alpha = 1 - conf.level obere <- 0,5 * qchisq (1-alpha / 2 , 2 * X + 2) unteres <- 0,5 * qchisq (alpha / 2, 2 * X) return (c (unteres, oberes))} genauPoiCI (42, 0,9) genauPoiCI (42) genauPoiCI (42, 0,99)  
Dies ist aber bereits in der anderen Antwort vorhanden.Warum hast du das hier hingelegt?
Die andere Antwort hatte einen Fehler, dies ist eine Korrektur.Beachten Sie, dass +2 in der oberen CI-Berechnung enthalten ist.
Willkommen auf der Website und vielen Dank, dass Sie den Fehler behoben haben.


Diese Fragen und Antworten wurden automatisch aus der englischen Sprache übersetzt.Der ursprüngliche Inhalt ist auf stackexchange verfügbar. Wir danken ihm für die cc by-sa 3.0-Lizenz, unter der er vertrieben wird.
Loading...