统计学笔记1：置信区间

作为数据科学的重要基础学科，我开始share统计学的学习笔记。

本文内容分为三部分：

1. 单个正态总体，总体方差已知，均值的置信区间，基于中心极限定理、标准正态分布，适用于样本量大的情况（n>100）
2. 单个正态总体，总体方差未知，均值的置信区间，基于t分布，适用于样本量较小的情况
3. Bootstrap，通过数值模拟求置信区间

Bootstrap算法：

1. 已知数据X1...Xn，置信水平a（比如95%），模拟的总次数N
2. N次模拟中的每一次模拟：从X1...Xn中有放回地抽取n个，算它们的平均值Yi，最终得到Y1...YN
3. 算出Y1...YN的两个分位数，分位数对应的位置是(1-a)/2和(1+a)/2（比如0.025和0.975），就是区间端点

library(stats)

x=c(160.2,160.8,161.4,162,160.8,162,162,161.8,161.6,161.8)
N=10000
a=0.95

y=rep(0,N)

for (i in 1:N)
{
z=rep(0,10)
u=runif(10)
z=x[round(10*u)]
y[i]=mean(z)
}

ci=quantile(y,probs=c((1-a)/2,(1+a)/2))

hist(y,breaks=20)
abline(v=ci[1],col='red',lty=3)
abline(v=ci[2],col='red',lty=3)

以上是R语言代码示例。