Дові́рчу сму́гу () використовують у статистичному аналізі, щоби подавати невизначеність в оцінці кривої або функції, яка ґрунтується на обмежених або зашумлених даних. Так само прогно́зну сму́гу () використовують, щоб подавати невизначеність стосовно нової точки даних на кривій з урахуванням шуму. Довірчі та передбачувані смуги часто використовують як частину графічного подання результатів регресійного аналізу.
Довірчі смуги є тісно пов'язаними з довірчими інтервалами, які представляють невизначеність в оцінці єдиного чисельного значення. «Оскільки довірчі інтервали, за своєю побудовою, стосуються лише єдиної точки, вони є вужчими (в цій точці), аніж довірча смуга, яка має витримуватися одночасно в багатьох точках.»p.65 in W. Härdle, M. Müller, S. Sperlich, A. Werwatz (2004), Nonparametric and Semiparametric Models, Springer, ,
Поточкові та одночасні довірчі смуги
Припустімо, що ми маємо на меті оцінити функцію f(x). Наприклад, f(x) може бути часткою людей певного віку x, які підтримують певного кандидата на виборах. Якщо x вимірюють із точністю до одного року, ми можемо побудувати окремий 95 %-вий довірчий інтервал для кожного віку. Кожен із цих довірчих інтервалів покриває відповідне істинне значення f(x) із рівнем довіри 0,95. Узяті разом, ці довірчі інтервали складають поточково 95 %-ву довірчу смугу () для f(x).
Мовою математики, поточкова довірча смуга з імовірністю покриття 1 − α задовольняє наступну умову окремо для кожного значення x:
де є точковою оцінкою f(x).
Імовірністю одночасного покриття () набору довірчих інтервалів є ймовірність того, що вони всі покривають свої відповідні істинні значення одночасно. В наведеному вище прикладі ймовірність одночасного покриття є ймовірністю того, що всі інтервали для x = 18, 19, … покривають свої істинні значення (беручи до уваги те, що 18 є наймолодшим віком, з якого особа може голосувати). Якщо кожен з інтервалів окремо має ймовірність покриття 0,95, то ймовірність одночасного покриття є загалом меншою за 0,95. Одночасно 95 %-ва довірча смуга () є сукупністю довірчих інтервалів для всіх значень x в області визначення f(x), побудованим таким чином, щоби мати ймовірність одночасного покриття 0,95.
Мовою математики, одночасна довірча смуга з імовірністю покриття 1 − α задовольняє наступну умову:
Майже в усіх випадках одночасна довірча смуга буде ширшою за поточкову довірчу смугу з такою ж імовірністю покриття. У визначенні поточкової довірчої смуги цей квантор загальності винесено за межі функції ймовірності.
Довірчі смуги в регресійному аналізі
Довірчі смуги зазвичай виникають в регресійному аналізі. У випадку простої регресії, що включає єдину незалежну змінну, результати може бути подано у вигляді графіку, що показує оцінену лінію регресії разом із або поточковою, або одночасною довірчою смугою. Широко вживаними методами побудови одночасних довірчих смуг у регресії є методи та , докладніше див. .
Довірчі смуги для розподілів імовірності
Довірчі смуги можливо будувати навколо оцінок емпіричної функції розподілу. Проста теорія дозволяє будувати поточкові довірчі інтервали, але можливо також будувати й одночасну довірчу смугу для функції розподілу ймовірності як цілого, , або використовуючи непараметричні правдоподібнісні методи.
Інші застосування довірчих смуг
Довірчі смуги виникають, коли статистичний аналіз зосереджується на оцінюванні функції.
Було також розроблено довірчі смуги для оцінок функцій густини, функцій спектральної густини, , , та характеристичних функцій.
Прогнозні смуги
Прогнозні смуги пов'язано з так само, як довірчі смуги пов'язано з довірчими інтервалами. Прогнозні смуги зазвичай виникають у регресійному аналізі. Метою прогнозної смуги є покрити з приписаною ймовірністю значення одного або більше майбутніх спостережень з тієї ж генеральної сукупності, з якої було вибрано задані дані. Як і прогнозні інтервали є ширшими за довірчі інтервали, так і прогнозні смуги будуть ширшими за довірчі смуги.
Мовою математики, прогнозна смуга з імовірністю покриття 1 − α задовольняє наступну умову для кожного значення x:
де y* є спостереженням, узятим із процесу породжування даних у заданій точці x, що не залежить від даних, використаних для побудови точкової оцінки та довірчого інтервалу w(x). Це — поточковий прогнозний інтервал. Можливо було би побудувати й одночасний інтервал для скінченного числа незалежних спостережень, застосовуючи, наприклад, метод Бонферроні для розширювання інтервалу на відповідну величину.
Примітки