R中对数正态分布中Mu的置信区间

假设我们有一个随机样本，其大小为n = 8，参数为mu和sigma的对数正态分布。由于它是一个小样本，从非正常人群中我将使用t置信区间。我运行了一个模拟来确定mu = 1和sigma = 1.5的90％t-CI的真实（模拟）CI。我的问题是我的代码遵循正态分布，它需要是一个对数正态分布分配。我知道rnorm必须变成rlnorm，以便随机变量来自日志分布。但我需要改变mu和sigma。在日志分布中，正态分布中的Mu和西格玛不一样。R中对数正态分布中Mu的置信区间

对数分布μ= exp（μ+ 1 /2σ^ 2）。和Sigma是EXP（2（μ+西格马^ 2）） - EXP2（μ+西格马^ 2）

我对我怎么能这两个方程纳入我的代码只是困惑。

BTW-如果你不已经猜到，我是很新的R.任何帮助，将不胜感激！

MC <- 10000 # Number of samples to simulate 
result <- c(1:MC) 
mu <- 1 
sigma <- 1.5 
n <- 8; # Sample size 
alpha <- 0.1 # the nominal confidence level is 100(1-alpha) percent 

    t_criticalValue <- qt(p=(1-alpha/2), df=(n-1)) 

    for(i in 1:MC){ 
    mySample <- rlnorm(n=n, mean=mu, sd=sigma) 
    lowerCL <- mean(mySample)-t_criticalValue*sd(mySample)/sqrt(n) 
    upperCL <- mean(mySample)+t_criticalValue*sd(mySample)/sqrt(n) 
    result[i] <- ((lowerCL < mu) & (mu < upperCL)) 
    } 

SimulatedConfidenceLevel <- mean(result)

编辑：所以，我试图与它们各自的公式替换亩和SD ...

（亩= EXP（μ+ 1/2σ2）西格玛= EXP（2μ+σ2 ）（EXP（σ2） - 1）

和我的5000

来源

2014-02-18 user3295513

请您澄清一下您试图计算的内容：分布没有置信区间。你是否想要计算'mu'的置信区间？或者你是否试图确定你的数据是否来自'mu = 1'和'sigma = 1.5'的对数正态分布？或者是其他东西？ –

是的，我试图计算mu/mean的“真实”或刺激置信区间 – user3295513

一个simulatedconfidencelevel下面是一些重复的样品数据：

(x <- rlnorm(8, 1, 1.5)) 
## [1] 3.5415832 0.3563604 0.5052436 3.5703968 7.3696985 0.7737094 12.9768734 35.9143985

你的临界值的定义是正确的：

n <- length(x) 
alpha <- 0.1 
t_critical_value <- qt(1 - alpha/2, n - 1)

有一个在ggplot2绘图软件包，计算平均值和标准误差效用函数。在这种情况下，您可以将其应用到数据的日志中以查找mu以及它的置信区间。

library(ggplot2) 
mean_se(log(x), t_critical_value)  
##   y   ymin  ymax 
## 1 1.088481 -0.006944755 2.183907

来源

2014-02-19 10:59:57

R中对数正态分布中Mu的置信区间

回答

相关问题