在统计教科书中迷失了这个概念之后,我试图做出自己的决定,最后得出一个结论,该结论似乎符合我到目前为止所看到的所有解释:非统计学家认为可信的区间是可信的间隔是。
对于像我这样一个小时的人来说,离题
如果我们观察到数据并从中预测出一些参数,则可以说是平均值 ,可信区间是区间 为此,我们有95%的把握确保mu属于内部(如果使用其他级别,则为95%以外的某个数字)。入门级统计课中讲授的置信区间可以与可信区间重叠,但并不总是重叠良好。如果你要勇敢的解释,尝试阅读这和这对交叉验证的问题; 经过反复的摸爬滚打,我终于明白了的是这个答案。
这是否意味着在结果中使用可信区间而不是置信区间在科学上更可取?如果是,为什么我还没有看到使用它的出版物?
- 是因为应该使用该概念,但测量科学家尚未赶上正确的统计方法吗?
- 还是说原始置信区间的含义更适合于解释经验研究的结果?
- 还是在实践中它们经常重叠以至根本没有关系?
- 选择是否取决于我们为数据假设的统计分布?也许具有高斯分布,它们总是在数值上重叠,因此,纯粹的统计数据之外没有人关心这种差异(我读过的许多研究甚至都不费心计算任何间隔,也许大约有1%会给思想留下空间他们的数据可能不会以正态分布)。
- 这是否取决于我们的科学理论地位?例如,感觉在实证主义工作中应该使用置信区间,而在解释主义工作中应该使用可信区间,但是我不确定这种感觉是否正确。
置信区间是贝叶斯方法的频繁区间和可信区间。“为什么我没有看到任何使用它的出版物?” 有很多(贝叶斯)
—
Theta30 2014年
截止到今天,在PubMed上有154篇文章提到可信区间,489篇提到可信区间。它们不像置信区间(179811条和计数)那么普遍,但这只是由于频繁使用的方法是主导方法。是的,可信的间隔听起来很棒,但是只有正确地指定了先前的分配,这才是正确的。魔鬼全在假设中。
—
Penguin_Knight 2014年
我可能还有些困惑,但是在我的教科书中,作者建议在使用基于从标准误差得出的检验统计量的最大似然估计来估计二项式数据的均值时,使用可信区间。我认为这是一种常客方法。可信区间和“实际覆盖概率”置信区间之间可能有区别吗?
—
rumtscho 2014年
其他一些问题值得在这里链接:1. 置信区间和可信区间之间有什么区别?,以及2. 是否有任何例子表明贝叶斯可信区间明显不如频繁的置信区间
—
Nick Stauner 2014年