Maksimum olabilirlik güven aralığı
p
β^0=log(p^/(1−p^))
αβ0
CI(β0)α=β^0±Zα/21/(np^(1−p^)−−−−−−−−−−−√
p
CI(p)α=1/(1+exp(−CI(β0)α)
Bu CI, oranların 0 veya 1 arasındaki aralıkta olması ve CI'nin her zaman normal seviyeden doğru seviyede olmasına rağmen daha dar olması gibi ek bir avantaja sahiptir. Bunu belirterek, R'yi çok kolay bir şekilde elde edebilirsiniz:
set.seed(123)
y <- rbinom(100, 1, 0.35)
plogis(confint(glm(y ~ 1, family=binomial)))
2.5 % 97.5 %
0.2795322 0.4670450
Tam binom güven aralıkları
Y=np^(n,p)p^
CIα=(F−1p^(0.025),F−1p^(0.975))
p
qbinom(p = c(0.025, 0.975), size = length(y), prob = mean(y))/length(y)
[1] 0.28 0.47
Medyan tarafsız güven aralıkları
pp1−α/2
p1−α/2:P(Y=0)/2+P(Y>y)>0.975
Bu aynı zamanda bir hesaplama rutinidir.
set.seed(12345)
y <- rbinom(100, 1, 0.01) ## all 0
cil <- 0
mupfun <- function(p) {
0.5*dbinom(0, 100, p) +
pbinom(1, 100, p, lower.tail = F) -
0.975
} ## for y=0 successes out of n=100 trials
ciu <- uniroot(mupfun, c(0, 1))$root
c(cil, ciu)
[1] 0.00000000 0.05357998 ## includes the 0.01 actual probability
Son iki yöntem epitools
R'deki pakette uygulanır.