R语言discoveries数据集多可信区间计算与置信曲线绘制

一、现有90%置信区间计算代码的逻辑校验 #

你写的这段90%置信区间计算代码逻辑完全正确，校验依据如下：

• 双侧90%置信区间的构造要求覆盖中间90%的正态分布区域，两侧尾部各占5%概率，因此取标准正态分布累计概率为0.95对应的分位数（即qnorm(0.95)）作为临界值，分位数取值逻辑准确。
• 当前样本量n=310属于大样本规模，根据中心极限定理，无论原始数据分布形态如何，样本均值的抽样分布都会近似服从正态分布，此时使用Z分位数构造区间的方法完全适用；由于自由度较大（309），t分布与正态分布的分位数差异极小（t分布0.95分位数约为1.65，与正态分布的1.645差异不足0.5%），不会对结果造成本质影响。
• 代入参数计算可得，标准误为2.5/sqrt(310)≈0.142，边际误差约为1.645*0.142≈0.234，最终得到的90%置信区间约为(2.87, 3.33)，计算结果符合大样本置信区间的数值特征。

二、不同置信水平的批量计算方法 #

无需逐行重复编写单组区间的计算代码，可利用R的向量化运算特性，一次性完成80%、90%、95%多组区间的计算，示例代码如下：

# 固定样本统计量参数
sample_mean <- 3.1
sample_sd <- 2.5
sample_n <- 310

# 定义需要计算的置信水平列表
conf_level_vec <- c(0.8, 0.9, 0.95)

# 向量化计算各水平对应的临界值、边际误差、区间上下限
z_critical <- qnorm(1 - (1 - conf_level_vec)/2)
margin_error <- z_critical * sample_sd / sqrt(sample_n)
ci_result <- data.frame(
  confidence_level = conf_level_vec,
  lower_bound = sample_mean - margin_error,
  upper_bound = sample_mean + margin_error
)

# 输出结果查看
print(ci_result)

运行上述代码后会得到结构化的结果表，对应三个置信水平的区间分别为：

• 80%置信区间：(2.92, 3.28)
• 90%置信区间：(2.87, 3.33)
• 95%置信区间：(2.82, 3.38)
  结果符合“置信水平越高，置信区间宽度越大”的统计直觉。

三、多区间整合的置信曲线绘制流程 #

置信曲线的核心是展示连续变化的置信水平与对应区间范围的映射关系，而非孤立展示离散的区间结果，具体实现步骤可以分为两部分：

1. 扩展置信水平的计算范围，让曲线线条更平滑：将置信水平从0到1按小步长（如0.01）生成序列，逐点计算对应的区间上下限，避免仅用3个离散点导致的线段折角感。
2. 分层绘制图像元素，基础绘图代码示例如下：

# 生成连续的置信水平序列，从0到0.99步长0.01
full_conf <- seq(0, 0.99, by = 0.01)
full_z <- qnorm(1 - (1 - full_conf)/2)
full_margin <- full_z * sample_sd / sqrt(sample_n)
full_lower <- sample_mean - full_margin
full_upper <- sample_mean + full_margin

# 初始化绘图区域
plot(
  x = full_lower, y = full_conf, type = "l", lwd = 2, col = "steelblue",
  xlim = c(min(full_lower), max(full_upper)), ylim = c(0, 1),
  xlab = "总体均值的估计值范围", ylab = "置信水平",
  main = "discoveries数据集总体均值的置信曲线"
)
# 添加上限曲线
lines(x = full_upper, y = full_conf, lwd = 2, col = "indianred")
# 为之前计算的三个离散置信水平添加区间标记
segments(
  x0 = ci_result$lower_bound, x1 = ci_result$upper_bound,
  y0 = ci_result$confidence_level, y1 = ci_result$confidence_level,
  lty = 2, col = "darkgray"
)
# 标记样本均值的参考线
abline(v = sample_mean, lty = 3, col = "black")
text(x = sample_mean, y = 0.05, labels = paste0("样本均值=", sample_mean))

最终绘制的图像会呈现中心向两侧逐渐展开的喇叭形态：纵轴位置越高（置信水平越高），两条曲线横向展开的距离越宽，直观展示不同置信水平下的区间范围变化。

内容的提问来源于stack exchange，提问作者Mokoisa