सामान्य मामले में मानक विचलन की त्रुटि की मात्रा निर्धारित करने के कई तरीके हैं। मैं के प्रोफाइल संभावना को प्रस्तुत करने जा रहा हूं जिसका उपयोग आत्मविश्वास अंतरालों को सन्निकटन के लिए किया जा सकता है।σ
चलो एक सामान्य से एक नमूना हो ( μ , σ ) । इसी संभावना समारोह द्वारा दिया जाता हैx = ( x)1, । । । , एक्सn)( μ , σ)
एल (μ, σ)) ∝ १σnexp- ( १2 σ2Σज = १n( x)जे- μ )2)
फिर, अधिकतम संभावना आकलनकर्ता द्वारा दिया जाता है है, जहां रों = √( μ^, σ^) = ( एक्स )¯, एस )। यह देखते हुए कि आप पर त्रुटि मात्र निर्धारण पर रुचि कर रहे हैंσ, तो आप इस प्रकार इस पैरामीटर के सामान्यीकृत प्रोफ़ाइल संभावना की गणना कर सकते हैं।s = 1nΣnज = १( x)जे- एक्स¯)2--------------√σ
आरपी( σ) = सुपμएल (μ,σ))एल ( μ^, σ^)= ( σ^σ)nexp[ एन2( 1 - ( σ^σ)2) ]
आरपी: आर+→ ( 0 , 1 ]0.1470.95आर
data = rnorm(30)
n = length(data)
sg = sqrt(mean((data-mean(data))^2))
# Profile likelihood
rp = function(sigma) return( (sg/sigma)^n*exp(0.5*n*(1-(sg/sigma)^2)) )
vec = rvec = seq(0.5,1.5,0.01)
for(i in 1:length(rvec)) rvec[i] = rp(vec[i])
plot(vec,rvec,type="l")
rpc = function(sigma) return(rp(sigma)-0.147)
# Approximate 95% confidence interval
c(uniroot(rpc,c(0.7,0.8))$root,uniroot(rpc,c(1.1,1.3))$root)
σमैं= ( एल , यू)σ2मैं'= ( एल2, यू2)