Question:
Comment calculer l'intervalle de confiance pour les données de comptage dans R?
lokheart
2011-05-18 09:44:31 UTC
view on stackexchange narkive permalink

Comme question, j'ai trouvé quelque chose de similaire ici, mais comment le faire dans R?

L'exemple sur http://stats.stackexchange.com/q/5206/919 est-il utile?
`poisson.test` donne des réponses identiques à la page que vous avez pointée pour les données de comptage.
Trois réponses:
#1
+10
Henry
2011-05-18 12:25:38 UTC
view on stackexchange narkive permalink

Vous recherchez un intervalle de confiance autour du décompte d'un processus de Poisson. Si vous mettez par exemple 42 dans votre exemple lié, vous obtenez

Vous avez observé 42 objets dans un certain volume ou 42 événements dans une certaine période.

Intervalle de confiance exact de Poisson :

  • L'intervalle de confiance à 90% s'étend de 31,94 à 54,32
  • L'intervalle de confiance à 95% s'étend de 30,27 à 56,77
  • L'intervalle de confiance à 99% s'étend de 27.18 à 61.76

Vous pouvez obtenir cela dans R en utilisant poisson.test . Par exemple

  > poisson.test (42, conf.level = 0.9) Exact Poisson testdata: 42 time base: 1 number of events = 42, time base = 1, p-value < 2.2 e-16hypothèse alternative: le taux d'événements réels n'est pas égal à 1 Intervalle de confiance à 90 pour cent: 31,93813 54,32395 estimations d'échantillons: taux d'événements 42 

et de même les autres valeurs en changeant conf.level . Si vous ne voulez pas toutes les informations de fond, essayez quelque chose comme

  > poisson.test (42, conf.level = 0.95) $ conf.int [1] 30.26991 56.77180attr (, "conf .level ") [1] 0,95  
#2
+6
chainsaw riot
2011-12-23 13:35:55 UTC
view on stackexchange narkive permalink

Si le nombre d'événements est trop petit, il serait préférable d'utiliser la méthode exacte.

  exactPoiCI <- function (X, conf.level = 0.95) {alpha = 1 - conf.level supérieur <- 0,5 * qchisq ((1- (alpha / 2)), (2 * X)) inférieur <- 0,5 * qchisq (alpha / 2, (2 * X +2)) return (c (inférieur , supérieur))} exactPoiCI (42, 0.9) exactPoiCI (42) exactPoiCI (42, 0.99)  

Référence: Liddell FD. Analyse exacte simple du taux de mortalité standardisé. J Epidemiol Community Health. 1984; 38: 85-8 ( lien)

Bienvenue sur le site. Cela vous dérange-t-il de développer cela. Que signifie exactement «les données de dénombrement sont trop petites» (la taille de l'échantillon est petite ou l'intensité des événements est trop petite?) Une référence serait également appréciée.
#3
+2
Jianmei Wang
2015-11-19 17:27:07 UTC
view on stackexchange narkive permalink

La première réponse utilisant poisson.test donne l'intervalle de confiance exact. Cependant, ce calcul est si simple que je préfère le calculer directement au lieu d'utiliser une fonction de bibliothèque. Dans la deuxième réponse, il y a une erreur mineure. Le +2 doit être dans le degré de liberté pour le calcul CI supérieur, pas pour le calcul inférieur. Le code correct doit donc être:

  exactPoiCI <- function (X, conf.level = 0.95) {alpha = 1 - conf.level supérieur <- 0.5 * qchisq (1-alpha / 2 , 2 * X + 2) inférieur <- 0,5 * qchisq (alpha / 2, 2 * X) return (c (inférieur, supérieur))} exactPoiCI (42, 0.9) exactPoiCI (42) exactPoiCI (42, 0.99)  
Mais cela est déjà présent dans l'autre réponse.Pourquoi avez-vous mis ça ici?
L'autre réponse avait une erreur, c'est une correction.Notez que le +2 est dans le calcul de l'IC supérieur.
Bienvenue sur le site et merci d'avoir corrigé l'erreur.


Ce Q&R a été automatiquement traduit de la langue anglaise.Le contenu original est disponible sur stackexchange, que nous remercions pour la licence cc by-sa 3.0 sous laquelle il est distribué.
Loading...