问题标签 [confidence-interval]

我正在尝试汇总家庭调查中的数据，因此我的大部分数据都是分类（因子）数据。我希望用对某些问题的回答频率图来总结它（例如，回答某些问题的家庭百分比的条形图，误差条显示置信区间）。我发现了这个出色的教程，我认为它是我祈祷的答案（http://www.cookbook-r.com/Manipulating_data/Summarizing_data/），但事实证明这只会对连续数据有所帮助。

我需要的是类似的东西，它可以让我计算计数的比例和这些比例的标准误差/置信区间。

本质上，我希望能够为我的调查数据中提出的每个问题生成如下所示的汇总表：

然后，我想使用这些汇总数据在 ggplot （或类似的）中绘制条形图，误差条显示置信区间。

我曾想过修改上面教程中提供的代码来计算上面的列，尽管作为 R 的相对新手，我有点挣扎！我一直在尝试使用 ggply 包，但在语法上并不是很好，所以我设法使用以下代码做到了这一点：

但我最终得到了这个：

我所有的比例都是 1，大概是因为它们是跨行而不是跨列计算的

我想知道是否有人可以帮助或知道可以为我完成这项工作的包/代码！

我randomForest在 R 中使用包，目的是预测蛋白质之间的距离（RF 中的回归模型）“用于同源建模目的”，我获得了相当好的结果。但是，我需要有一个置信水平来对我的预测值进行排名并过滤掉坏模型，所以我想知道是否有可能计算这样的置信水平，或者任何其他方法来衡量预测的确定性？非常感谢任何建议或建议

对于喜欢在 R 中使用ez包的人来说，这是一个编程问题。我习惯于使用带有 lmer() 的线性混合效果模型。在 lmer () 的有用输出中，我得到了每个实验因子的系数值，并且使用 pvals.fnc() 我可以轻松获得 95% 置信区间 (CI) 与模型系数一起报告。

我最近开始使用ezANOVA，我想知道：有没有一种主流的方式来获得相同的输出？也就是说，我想获得一个实验因子的系数值和一个 CI。以下是具体的示例代码：

如果我使用 lmer，我会估计我的模型，然后得到系数的 95% CI：

因此，例如，我知道提示和侧面之间相互作用的估计值（当提示具有“中心”水平而侧面具有“全等”水平时）为 -3.9511，95% CI 为 [-12.997, 5.535]

现在假设我想使用 ezANOVA 运行 anova by-subjects 和 by-items，并且我想获得 95% CI 的 by-subject 估计值。这是我的模型：

但是在输出中，我没有看到模型估计值：

而且我不知道如何计算与这些估计值对应的 95% CI。我想我应该能够使用 ezBoot() 但我试过了，但我不确定如何实现它。

有什么建议么？谢谢你的帮助！

我需要一点帮助。我已经用非线性估计计算了参数。现在，我需要计算计算参数的 95% 置信区间。如何使用 Statistica for Windows 获得 95% 的置信区间？或任何其他建议我如何计算 95% 置信区间。

提前致谢。

我正在尝试做类似“VSUMM”文章中提到的事情。
有 5 种方法我想将它们的结果与我的进行比较。我确实通过计算 CUS(a) 即平均准确率和 CUS(e) 即平均错误率来比较所有这些数据。（这是一个视频摘要问题，每种方法都有 50 个视频的摘要.这个总结已经与五个用户总结进行了比较，然后通过这些结果计算CUS（a）和CUS（e））
现在我应该用我的方法计算每种方法的置信区间（置信度为98％）
我在网上冲浪并找到有关置信区间的长篇文章，但我真的什么都不懂！？
我应该怎么办？

是否有可能为条件概率创建置信区间？我找到了一些公式来为概率创建 CI，但不适用于这种特殊情况。

我有一个这样的数据集：

依此类推，对于 25000 行。对于每一行，我需要计算 B 列和 G 列之间的差异，并得到置信区间。这是我到目前为止所拥有的：

我的问题是，每次我这样做时，我都会得到置信区间以显示区间的两个数字，一个在另一个之上。例如，像这样：5 15（例如，对于第 1 行）

如何从每一行获取 CI 以显示在一行中，如下所示：5,15

将不胜感激在这方面的任何帮助！提前致谢！

我正在尝试生成 PDF（或者在这种情况下为“离散 PDF”）。

我正在尝试使用 numpy.random.normal(mu,sigma,size) 但该函数不考虑是否计算标准偏差为 68%、95% 或 99%。该网页说：

该函数在均值处有峰值，并且其“传播”随标准差的增加而增加（函数在 x + sigma 和 x - sigma 处达到最大值的 0.607 倍

1. 这是什么意思？该函数假设标准偏差为 60.7%？
2. 考虑到与标准偏差相关的置信区间是否存在生成 PDF 的函数/包。

注意：我试图作为参数输入的标准偏差实际上是扩展的不确定性，这就是需要置信区间的原因。

我正在执行一项必须重现这些结果的任务：

从这篇论文。我本来打算在 Stata 中做，但为了节省几百美元并使用开源软件等，我正在使用 R。

我试过使用这个aer包，从中我可以得到系数和标准误差，但我不确定如何得到 Hausman 检验或 Sargan 检验值，以及第二阶段的 F stat回归。这就是我所拥有的

这些应该与第 1 列匹配。有谁知道如何

1. 我可以从第二阶段回归中获得置信区间吗？
2. 我可以从第二阶段回归中获得 F 统计数据吗？
3. 我可以对第一阶段回归进行 Hausman 检验和 Sargan 检验吗？

这是数据，以防您想玩弄它

我可以使用scikit-learnwith fpr, tpr,获得 ROC 曲线thresholds = metrics.roc_curve(y_true,y_pred, pos_label=1)，其中y_true是基于我的黄金标准的值列表（即，0对于负面和1正面案例），并且y_pred是相应的分数列表（例如，0.053497243, 0.008521122, 0.022781548, 0.101885263, 0.012913795, 0.0,0.042881547 [...]）

我试图弄清楚如何向该曲线添加置信区间，但没有找到任何简单的方法来使用 sklearn 做到这一点。