单侧置信区间

实际问题中我们关心的是未知参数的上限或下限

单侧置信区间（one-sided confidence interval）是一种只在一个方向上给出界限的置信区间，用于估计参数时提供具有指定方向的置信界。与双侧置信区间不同，单侧置信区间只关注一个方向的尾部，提供对参数的上限或下限的估计。以下是单侧置信区间的详细解释和计算步骤：

定义

单侧置信区间有两种形式：

1. 单侧置信下限 $L$：给出区间 $[L,+\infty)$。
2. 单侧置信上限 $U$：给出区间 $(-\infty,U]$。

置信水平

• 单侧置信区间的置信水平通常用 $1 - \alpha$ 表示，其中 $\alpha$ 是显著性水平。
• 例如，对于95%的单侧置信区间，$\alpha = 0.05$。

计算步骤

以下针对正态总体的独立样本，目标参数 $\theta=\mu$；未知方差时要求 $n\ge2$。统一采用上尾临界值 $P(Z>z_\alpha)=\alpha$、$P(T_\nu>t_{\alpha,\nu})=\alpha$。非正态总体的大样本近似需另行评估。

单侧置信下限

设 $\theta$ 是感兴趣的参数，相应置信区间的形式为：

$$[L, +\infty)$$

具体步骤如下：

1. 选择显著性水平：设定 $\alpha$。
2. 计算临界值：根据显著性水平，从标准正态分布或t分布表中查找临界值 $z_{\alpha}$ 或 $t_{\alpha, df}$。
3. 计算区间：
   • 对于均值估计（已知方差），使用公式：

$$L = \bar{x} - z_{\alpha} \left(\frac{\sigma}{\sqrt{n}}\right)$$

• 对于均值估计（未知方差），使用公式：

$$L = \bar{x} - t_{\alpha, n-1} \left(\frac{s}{\sqrt{n}}\right)$$

• 其中，$\bar{x}$ 是样本均值，$\sigma$ 是总体标准差，$s$ 是样本标准差，$n$ 是样本大小。

单侧置信上限

设 $\theta$ 是感兴趣的参数，相应置信区间的形式为：

$$(-\infty, U]$$

具体步骤如下：

1. 选择显著性水平：设定 $\alpha$。
2. 计算临界值：根据显著性水平，从标准正态分布或t分布表中查找临界值 $z_{\alpha}$ 或 $t_{\alpha, df}$。
3. 计算区间：
   • 对于均值估计（已知方差），使用公式：

$$U = \bar{x} + z_{\alpha} \left(\frac{\sigma}{\sqrt{n}}\right)$$

• 对于均值估计（未知方差），使用公式：

$$U = \bar{x} + t_{\alpha, n-1} \left(\frac{s}{\sqrt{n}}\right)$$

• 其中，$\bar{x}$ 是样本均值，$\sigma$ 是总体标准差，$s$ 是样本标准差，$n$ 是样本大小。

应用

单侧置信区间通常用于以下情况：

1. 质量控制：例如检测产品的某个指标是否低于某个标准。
2. 临床试验：例如判断某种治疗是否显著优于现有治疗。
3. 风险评估：例如确定某个变量是否超出安全阈值。

示例

假设从正态总体独立抽样，得到样本均值 $\bar{x} = 50$，样本标准差 $s = 10$，样本大小 $n = 30$，显著性水平 $\alpha = 0.05$，我们需要计算95%的单侧置信上限。

1. 查找临界值 $t_{0.05, 29}$，查得值约为1.699。
2. 计算单侧置信上限：

$$U = 50 + 1.699 \left(\frac{10}{\sqrt{30}}\right) \approx 50 + 3.1 = 53.1$$

所以，95%的单侧置信上限对应的区间为 $(-\infty,53.1]$。

单侧置信区间提供了一种更加灵活的参数估计方式，尤其在某些应用场景中，可以更好地反映数据的特定方向上的不确定性。

相关内容

双侧区间与覆盖概率的解释见置信区间和区间估计。