Intervalle de confiance pour les données binomiales dans R?

Je sais que j'ai besoin de la moyenne et de la s.d pour trouver l'intervalle, toutefois, que si la question est:

A survey of 1000 randomly chosen workers, 520 of them are female. Create a 95% confidence interval for the proportion of wokrers who are female based on survey.

Comment puis-je trouver la moyenne et de la s.d?

source d'informationauteur Pig

  1. 16

    Vous pouvez également utiliser prop.test de colis statsou binom.test

    prop.test(x, n, conf.level=0.95, correct = FALSE)

        1-sample proportions test without continuity correction

data:  x out of n, null probability 0.5
X-squared = 1.6, df = 1, p-value = 0.2059
alternative hypothesis: true p is not equal to 0.5
95 percent confidence interval:
 0.4890177 0.5508292
sample estimates:
   p 
0.52

    Vous trouverez peut-être intéressant cet articleoù dans le Tableau 1 à la page 861 sont donnés les différents intervalles de confiance pour une proportion, calculée à l'aide de sept méthodes (pour certaines combinaisons de n et r). À l'aide de prop.test vous pouvez obtenir les résultats trouvés dans les lignes 3 et 4 de la table, tandis que binom.test renvoie ce que vous voyez dans la ligne 5.

  2. 12

    Dans ce cas, vous avez de la distribution binomiale, de sorte que vous serez calcul binomiale proportion de l'intervalle de confiance.

    Dans R, vous pouvez utiliser binconf() de colis Hmisc

    > binconf(x=520, n=1000)
 PointEst     Lower     Upper
     0.52 0.4890177 0.5508292

    Ou vous pouvez calculer vous-même:

    > p <- 520/1000
> p + c(-qnorm(0.975),qnorm(0.975))*sqrt((1/1000)*p*(1-p))
[1] 0.4890345 0.5509655
  3. 9

    Vous pouvez également utiliser la fonction propCI de la prevalence package, pour obtenir les cinq les plus couramment utilisés binomiale, intervalle de confiance:

    > library(prevalence)
> propCI(x = 520, n = 1000)
    x    n    p        method level     lower     upper
1 520 1000 0.52 agresti.coull  0.95 0.4890176 0.5508293
2 520 1000 0.52         exact  0.95 0.4885149 0.5513671
3 520 1000 0.52      jeffreys  0.95 0.4890147 0.5508698
4 520 1000 0.52          wald  0.95 0.4890351 0.5509649
5 520 1000 0.52        wilson  0.95 0.4890177 0.5508292
  4. 1

    Un autre package: tolerance calculera la confiance en soi et les marges de tolérance pour une tonne de distribution typique des fonctions.