피벗 수량 및 신뢰 구간

피벗 수량은 미지의 모수에 의존하지 않는 분포를 가지므로, 확률 진술을 신뢰 구간으로 전환할 수 있습니다.

Definition

피벗 수량은 데이터와 모수의 함수로, 그 확률 분포가 모든 모수 값에 대해 동일합니다. 피벗에 대한 확률 진술을 역으로 적용하면 모수에 대한 신뢰 구간을 얻을 수 있습니다.

Scope

이 주제는 피벗 수량의 정의, 정확한 신뢰 구간을 구축하기 위한 피벗 방법, t 분포 및 카이제곱 분포 피벗과 같은 위치-척도 및 정규 모델의 정준 피벗, 길이 및 대칭을 제어하기 위한 구간 끝점 선택, 그리고 점근적 정규성으로부터 Wald 유형 구간을 제공하는 대규모 표본 근사 피벗을 다룹니다.

Core questions

• 피벗이 일반적인 통계량과 구별되는 점은 무엇이며, 모수와 무관한 분포가 왜 필수적인가요?
• 피벗 방법은 확률 진술을 구간으로 어떻게 변환하나요?
• 정규 표본의 평균과 분산에 대한 표준 피벗은 무엇인가요?
• 정확한 피벗을 사용할 수 없을 때 정규성에 기반한 점근적 피벗이 어떻게 근사 구간을 제공하나요?

Key theories

피벗 방법

피벗이 알려진 분포를 가질 경우, 주어진 확률을 포착하는 분위수를 선택하고 모수에 대한 결과 부등식을 풀면 정확히 해당 신뢰 수준을 갖는 신뢰 구간이 생성됩니다.

점근적 피벗 및 Wald 구간

정확한 피벗이 존재하지 않을 때, 추정치에서 모수를 뺀 값을 표준 오차로 나눈 값은 대규모 표본에서 근사적으로 표준 정규 분포를 따르며, 이는 친숙한 '추정치 ± 오차 한계' 신뢰 구간을 제공합니다.

Clinical relevance

피벗 방법은 평균에 대한 t-구간과 분산에 대한 카이제곱-구간을 생성하며, 이는 응용 연구 전반에 걸쳐 보고됩니다. 반면 점근적 피벗은 비율, 회귀 계수 및 설문조사 추정치에 사용되는 '추정치 ± 오차 한계' 구간을 제공합니다.

History

Gosset이 1908년 Student라는 필명으로 t 분포를 유도하여 정규 평균에 대한 최초의 정확한 피벗을 제공했으며, Neyman의 1937년 신뢰 이론은 피벗 구성을 일반적인 빈도주의 프레임워크 내에 위치시켰습니다.

Key figures

• Jerzy Neyman
• William Sealy Gosset
• Ronald A. Fisher
• George Casella

Seminal works

• casella2002

Frequently asked questions

무엇이 수량을 피벗으로 만드나요?

그 분포는 미지의 모수의 모든 값에 대해 정확히 동일해야 합니다. 그래야만 모수를 알지 못하고도 분위수를 선택할 수 있으며, 이는 보장된 신뢰 수준을 가진 구간을 허용합니다.

Wald 구간은 정확한가요?

아닙니다. 이들은 추정량의 점근적 정규성에 의존하므로 유한 표본에서는 근사적인 신뢰 수준만을 가지며, 이는 작은 표본이나 0 또는 1에 가까운 비율과 같이 경계 근처의 모수에 대해서는 좋지 않을 수 있습니다.