R语言 samplingbook包 Sprop()函数中文帮助文档(中英文对照)

loveR

Sprop(samplingbook)
Sprop()所属R语言包：samplingbook

                                        Sampling Proportion Estimation
                                         抽样比例估计

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The function Sprop estimates the proportion out of samples either with or without consideration of finite population correction. Different methods for calculating  confidence intervals for example based on binomial distribution (Agresti and  Coull or Clopper-Pearson) or based on hypergeometric distribution are used.
函数Sprop估计，考虑有限的人口修正带或不带样品的比例。使用不同的方法，用于计算例如基于二项式分布（阿格雷斯蒂和库尔博士或克洛珀-皮尔森）或基于超几何分布的置信区间。


用法----------Usage----------


Sprop(y, m, n = length(y), N = Inf, level = 0.95)



参数----------Arguments----------

参数：y
vector of sample data containing values 0 and 1
样本数据的向量的含有值0和1的


参数：m
an optional non-negative integer for number of positive events
一个可选的非负整数，正性事件的数目


参数：n
an optional positive integer for sample size. Default is n=length(y).
可选的正整数样本大小。默认是n=length(y)。


参数：N
positive integer for population size. Default is N=Inf, which means calculations are carried out without finite population correction.
人口规模的正整数。默认是的N=Inf，这意味着计算的情况下进行有限的人口修正。


参数：level
coverage probability for confidence intervals. Default is level=0.95.
置信区间的覆盖概率。默认是level=0.95。


Details

详细信息----------Details----------

Sprop can be called by usage of a data vector y with the observations 1 for event and 0 for failure. Moreover, it can be called by specifying the number of events m and trials n.
Sprop使用的数据向量，可以被称为y事件和失败的意见1。此外，它可以被称为通过指定事件m和试验n。


值----------Value----------

The function Sprop returns a value, which is a list consisting of the components
的功能Sprop返回一个值，它是由组件组成的一个列表


参数：call
is a list of call components: y sample data, m number of positive events in the sample, n sample size, N population size, level coverage probability for confidence intervals
调用组件的列表：y的样本数据，m样品中的积极活动，n样本大小，N人口规模，level的覆盖范围置信区间的概率


参数：p
proportion estimate
比例估计


参数：se
standard error of the proportion estimate
标准的比例估计错误


参数：ci
is a list of confidence interval boundaries for proportion. <br> In case of a finite population of size N, it is given approx, the hypergeometric confidence interval with normal distribution approximation, and exact, the exact hypergeometric confidence interval. <br> If the population is very large N=Inf, it is calculated bin, the binomial confidence interval, which is asymptotic, cp the exact confidence interval based on binomial distribution (Clopper-Pearson), and ac, the asymptotic confidence interval based on binomial distribution by Wilson (Agresti and Coull (1998)).
是一个比例的置信区间的边界。 <br>在有限的情况下，人口规模N，它被赋予approx，超几何的置信区间正态分布近似，exact，确切的超几何分布的置信区间。 <br>如果人口是非常大的N=Inf，它的计算方法bin，二项式置信区间，这是渐进的，cp精确的置信区间基于二项分布（克洛珀-皮尔森），和ac，基于二项分布威尔逊（阿格雷斯蒂和库尔博士（1998））的渐近置信区间。


参数：nr
In case of finite population of size N, it is given a list of confidence interval boundaries for number in population with approx, the hypergeometric confidence interval with normal distribution approximation, and exact, the exact hypergeometric confidence interval.
人口的大小N有限的情况下，它被赋予一个列表的置信区间边界与approx人口数，正态分布近似超几何的置信区间，并exact，确切的超几何分布的置信区间。


（作者）----------Author(s)----------


Juliane Manitz



参考文献----------References----------




参见----------See Also----------

Smean, sample.size.prop
Smean，sample.size.prop


实例----------Examples----------


# 1) Survey in company to upgrade office climate[1）调查公司升级Office气候]
Sprop(m=45, n=100, N=300)
Sprop(m=2, n=100, N=300)

# 2) German opinion poll for 03/07/09 with [2）德国民意调查为03/07/09]
# (http://www.wahlrecht.de/umfragen/politbarometer.htm)[（http://www.wahlrecht.de/umfragen/politbarometer.htm）]
# a) 302 of 1206 respondents who would elect SPD.[A）302 1206受访者会选择SPD。]
# b) 133 of 1206 respondents who would elect the Greens.[B）133 1206受访者会选择绿党。]
Sprop(m=302, n=1206, N=Inf)
Sprop(m=133, n=1206, N=Inf)

# 3) Rare disease of animals (sample size n=500 of N=10.000 animals, one infection)[3）罕见疾病的动物（样本数n = 500 N = 10.000动物，感染）]
# for 95% one sided confidence level use level=0.9[的95％片面的置信水平的使用量= 0.9]
Sprop(m=1, n=500, N=10000, level=0.9)

# 4) call with data vector y[4）调用的数据向量y]
y <- c(0,0,1,0,1,0,0,0,1,1,0,0,1)
Sprop(y=y, N=200)
# is the same as[是相同的]
Sprop(m=5, n=13, N=200)

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。