K080 区間推定
- 2. 区間推定 2
• たった一組のデータで求めた値が,母平均の値に一
致する可能性は少ない。
• 区間を求める「区間推定」を考える
求める区間の幅はできるだけ狭く
定めた区間内にパラメータが入っている確率はできるだけ
大きくなるように
• 同時に満たすことは難しい
確率に条件を付ける
• 信頼度 1-α を定める。
• 求めた推定区間の中にパラメータが入っている確率が
1-α 以上になる区間のなかで,幅をできるだけ狭くする
- 6. シミュレーション 6
• R の関数 rnorm は N(0, 1) に従う乱数を生成
これを母集団と考えて, 10 個の乱数(標本)をとり,
母平均の信頼度 1-α=0.95 の信頼区間を作る
- 9. 9
• 区間推定を 100 回繰り返して,確かめてみる。
区間を 100 個作る。
> for(i in 1:100){
print(conf.interval(rnorm(10), 0.95, 1))
}
• 関数 sim.conf.interval
シミュレーションの回数,標本数,信頼度
標本数 n=10 ・信頼度 1-α=0.95 ・シミュレーション回数 5 回
sim.conf.interval(5, 10, 0.95)
- 11. 11
• グラフにして表示
• r <- sim.conf.interval(100, 10, 0.95)
• plot.conf.interval(r)
100
80
60
gy
40
20
0
-2 -1 0 1 2
gx
- 12. 母平均 μ の信頼区間(母分散 σ2 が未知のとき) 12
• 母分散 σ2 が未知のときは,先ほどの方法は使えない
• ここで次の性質を使う。( σ2 は未知なため, σ は使えない)
- 17. gy
0 20 40 60 80 100
-2
-1
0
gx
1
2
17
- 18. 信頼区間の幅 18
母分散が未知の場合は母分散のかわりに,不偏
推定値の標本不偏分散を用いているため
・信頼区間の幅がすべて同じ
・信頼区間の幅が変わっている
- 19. 演習 19
• N(0,1) に従う乱数を 999 個作成し,小さいほうから 25 番目,
975 番目の値を求め, qnorm 関数より, α=0.025 の値, α =
0.975 の値と比較せよ。
並べ替えは sort 関数で行うことができる
• sort(x) で x を小さい順に並べ替える
– その 1 番目の値を見るためには, sort(x)[1]
- 20. レポート 20
• N(0,1) に従う乱数を 16 個発生させ,その平均を求めることを
999 回繰り返す。
999 個の平均の,平均を求めよ。
小さいほうから 25 番目の値と、 975 番目の値を求めよ。