Question

我正在寻找一种方法来计算模式周围给定范围的CI值。例如，如果我的模式（或具有最高KDE的值）为50，并且在该模式周围建立了可接受的10，那么我的等效CI是多少？

我已经成功地遵循了https://rdrr.io/cran/HDInterval/man/hdi.html中的HDI内容，以根据给定的CI查找范围，但是我正试图逆转这一过程。从站点复制到此帖子的示例代码，方便使用数据进行测试：

# for a vector:
tst <- rgamma(1e5, 2.5, 2)
hdi(tst)
hdi(tst, credMass=0.8)
# For comparison, the symmetrical 80% CrI:
quantile(tst, c(0.1,0.9))

# for a density:
dens <- density(tst)
hdi(dens, credMass=0.8)

我的蛮力方法会考虑类似计算跨不同CI输入的上下值之间的差异，直到找到给定上下限之间的最大CI的最大CI为止。我确定有更好的方法吗？

此目标是比较CI在遵循相同值范围的不同数据集之间的变化。数据通常是多模式的，并试图避免适合于分布的约束。

Answer 1

这似乎是蛮力的方法：

      buffer <- 100
      ci_x <- 1
      ci_hdi = NULL
      while (buffer > 10){
        ci_hdi <- ci(data$x, method = "HDI", ci = ((100-ci_x)/100))
        buffer = ci_hdi$CI_high - ci_hdi$CI_low
        ci_x = ci_x+1
      }
      print(buf)

基本上，它会计算值，直到找到符合条件（例如10）的缓冲区（可接受的值范围），然后报告满足此条件的CI（100-ci_x）。在最初的测试中表现良好，在紧密分布下我看到较大的CI值，然后在不稳定的分布下接近50左右。

在给定的HDI间隔内找到CI？

1 个答案: