Normal durumda standart sapma hatasını ölçmenin birkaç yolu vardır. Güven aralıklarını tahmin etmek için kullanılabilecek profil olasılığını sunacağım .σ
Let bir Normal bir örnek olmak . Karşılıklı olabilirlik fonksiyonu,( μ , σ )x = ( x1, . . . , xn)( μ , σ)
L (μ,σ) ∝ 1σntecrübe( - 12 σ2Σj = 1n( xj- μ )2)
Ardından, Maksimum Olabilirlik Tahmin Edicileri ; burada . hatayı ölçmekle ilgilendiğiniz , bu parametrenin normalleştirilmiş profil olasılığını aşağıdaki gibi hesaplayabilirsiniz.( μ^, σ^) = ( x¯, s )s=1n∑nj=1(xj−x¯)2−−−−−−−−−−−−−−√σ
Rp(σ)=supμL(μ,σ)L(μ^,σ^)=(σ^σ)nexp[n2(1−(σ^σ)2)]
Not o seviyede bir aralık. yaklaşık bir güven vardır Sonraki Bir ekleyin. bu aralıkları hesaplamak için kullanılabilecek kod Sen değiştirebilirsiniz. bağlamınıza göre (veya verileri gönderirseniz bu değişiklikleri ekleyebilirim).0.147 0,95 RRp:R+→(0,1]0.1470.95R
data = rnorm(30)
n = length(data)
sg = sqrt(mean((data-mean(data))^2))
# Profile likelihood
rp = function(sigma) return( (sg/sigma)^n*exp(0.5*n*(1-(sg/sigma)^2)) )
vec = rvec = seq(0.5,1.5,0.01)
for(i in 1:length(rvec)) rvec[i] = rp(vec[i])
plot(vec,rvec,type="l")
rpc = function(sigma) return(rp(sigma)-0.147)
# Approximate 95% confidence interval
c(uniroot(rpc,c(0.7,0.8))$root,uniroot(rpc,c(1.1,1.3))$root)
Bu tür aralıkların bir avantajı, dönüşümler altında değişmez olmalarıdır. Bu durumda , için bir aralık hesaplarsanız , için karşılık gelen aralık basitçe .I = ( L , U ) σ 2 I ′ = ( L 2 , U 2 )σI=(L,U)σ2I′=(L2,U2)