R语言实现分箱数据二项比例置信区间批量计算

首先你原有自定义CI函数缺少显式返回值，先做小幅修正使其可直接返回置信上下限结果，同时补充边界值判断避免计算报错：

alpha <- as.numeric(0.05) 
# 修正后的CI函数，直接返回命名的上下限结果
CI <- function(n, r) {
  # 处理r=0或r=n的边界情况避免F分布计算报错
  if (r == 0) {
    return(c(pl = 0, pu = 1 - (alpha/2)^(1/n)))
  }
  if (r == n) {
    return(c(pl = (alpha/2)^(1/n), pu = 1))
  }
  f1 <- qf(1-alpha/2, 2*r, 2*(n-r+1), lower.tail = FALSE)
  f2 <- qf(alpha/2, 2*(r+1), 2*(n-r), lower.tail = FALSE)
  pl <- (1 + (n - r + 1)/(r*f1))^(-1)
  pu <- (1 + (n - r)/((r+1)*f2))^(-1)
  return(c(pl = pl, pu = pu))
}

后续直接在dplyr工作流中完成分箱总样本量计算、批量CI计算即可，无需手动逐组运算，完整代码如下：

library(dplyr)

# 若你已提前生成分箱字段Slen，可跳过mutate(Slen = ...)这一步
iris_count <- iris |> 
  # 按指定断点生成花萼长度分箱
  mutate(Slen = cut(Sepal.Length, breaks = c(4,5,6,8))) |> 
  # 按分箱+物种分组计数
  group_by(Slen, Species) |> 
  summarise(TotalParticle = n(), .groups = "drop_last") |> 
  # 计算每个分箱内的总样本量（即CI参数n）、物种相对丰度
  mutate(
    BinTotal = sum(TotalParticle),
    RelAbund = TotalParticle / BinTotal
  ) |> 
  # 逐行传入n、r计算置信区间，拆分为上下限两列
  rowwise() |> 
  mutate(
    CI_lower = CI(n = BinTotal, r = TotalParticle)["pl"],
    CI_upper = CI(n = BinTotal, r = TotalParticle)["pu"]
  ) |> 
  ungroup()

代码逻辑说明 #

• 新增r=0、r=n的边界判断，避免某分箱下某物种样本数为0/等于分箱总样本时F分布计算报错
• 计算BinTotal字段时保留drop_last分组属性，仅按Slen维度计算分箱总样本量，对应CI函数需要的参数n
• 用rowwise()实现逐行传参，每个物种在对应分箱下的TotalParticle就是CI函数需要的参数r，无需手动提取数值计算
• 最终结果会直接在原表基础上新增置信下限CI_lower、置信上限CI_upper两列，以你提到的(4,5]分箱setosa组为例，最终计算得n=32、r=28，对应95%置信区间约为0.71~0.96，和手动计算结果一致。

内容的提问来源于stack exchange，提问作者dnem