置信区间

原理参考 文章 ，主要思想我认为是求出所有分布的可能（中间的一般为零假设），出现这种分布的概率。 distribution= 参数可为exact（精确模式，即依据所有可能的排列组合，仅适用于两样本问题）、approxiamate(nresample=#)（蒙特卡洛抽样，#指需要重复的次数）、asymptotic（渐进分布抽样）lmPerm包更擅长方差分析。示例实验设计仍为5组接受不同治疗方法的多组结果比较。 实验示例仍为关节炎的治疗（两种）与效果（无、部分、显著）间的关系 实验示例为研究文盲率与谋杀率是否相关 主要为 lmp() 、 aovp() 两个函数分别对应参数法的 lm() 线性回归、 aov() 方差分析。主要格式上的区别是添加了 perm= 参数。可以为Exact（精确模式）、Prob（不断从可能的序列中抽样，直至估计的标准差在估计的p值0.1之下）、SPR（使用贯序概率比检验来判断何时停止抽样）。值得注意的是当样本观测大于10，perm="Exact"自动默认转为"Prob"，因此精确检验只适用于小样本问题。 （1）简单线性回归 实验示例仍为以身高预测体重的设计 （2）多项式回归 高精度拟合身高体重回归关系 （3）多元回归 探究谋杀率与多因素的回归关系 （1）单因素方差分析 （2）单因素协方差分析 实验示例仍为药物对刚出生小鼠体重影响，协变量为怀孕时间 （3）双因素方差分析（交互效应） 实验示例：两种药物分别在不同剂量下对小鼠牙齿长度的影响。 核心思想是有放回的抽样多次（1000次） （1）写一个能返回带研究统计量的函数； （2）确定重复数，使用 boot() 函数处理；（一般重复1000次即可；此外有人认为初始样本大小为20-30即可得到足够好的结果）； （3） boot.ci() 函数计算统计量置信区间。 实验示例：使用mtcar数据框，采用多元回归，根据车重和发动机排量来预测汽车的每加仑行驶的英里数。想获得95%的R平方值（预测变量对响应变量可解释的方差比）的置信区间 （1）首先写函数 （2）然后使用boot()函数 （3）最后boot.ci()函数求置信区间 实验示例：使用mtcar数据框，采用多元回归，根据车总和发动机排量来预测汽车的每加仑行驶的英里数。想获取一个统计量向量--三个回归系数（截距项、车总、发动机排量）95%的置信区间。

confidence intervals for the regression analyses的意思是回归分析置信区间。这是我们大学数学里德概念，也可以说是随机数学的一种分析方式置信区间（EN:confidence interval; Fr: une intervalle confidentielle) 定义：是指由样本统计量所构造的总体参数的估计区间。 1、对于具有特定的发生概率的随机变量，其特定的价值区间------一个确定的数值范围（“一个区间”）。 2、在一定置信水平时，以测量结果为中心，包括总体均值在内的可信范围。 3、该区间包含了参数θ真值的可信程度。 4、参数的置信区间可以通过点估计量构造，也可以通过假设检验构造。公式： Pr(c1<=μ<=c2)=1-α α是显著性水平（例：0.05或0.10） 100（1-α）指置信水平（例：95%或90%） 表达方式：interval（c1,c2)——置信区间

【答案】：置信区间是指在某一置信水平下，样本统计值与总体参数值之间的误差范围，即以测量结果为中心，包括总体均值在内的可信范围。置信水平是指总体参数值落在样本统计值某一区间内的概率，置信区间的跨度是置信水平的正函数，即要求的把握程度越大，势必得到一个较宽的置信区间，这就相应降低了估计的准确程度。

自己百度啊

是。置信区间是一个值范围，range是总体平均值得95%置信区间，也就是置信区间。range就是数据的大小范围，即最小值到最大值，和均数标准差什么的都没关系。