我最初在这篇文章中提出了这个问题，我解释说我只有 25 项措施可供我使用。因此，计算样本 SD并假设它是分布中的一个看起来非常乐观，我想计算一个置信区间。
有人建议我使用引导方法，但我不确定如何使用它；我相信我将不得不进行如下操作：
我想我做对了，但我必须对底层分布做出假设，我真的很想避免这种情况。
还有其他方法吗，还是我误解了什么？
是的，你错过了一些东西，或者更确切地说添加了一些东西。您正在执行参数引导，仅当您了解您期望的分布类型时才适用。此外，您将使用 mle 估计参数分布。在您不知道分布的情况下，请忽略正态性假设并使用简单的案例重采样。从数据中获取样本，而不是从理论分布中获取样本。因此，只需从您的 25 个替换样本中重新采样 25 个即可。多次这样做，您可以生成置信区间。如果我假设您的数据y在 R 中，则代码通常可能是....
library(boot)
sdb <- function(y, i) sd(y[i]) #boot needs a function of y that can index y
b <- boot(y, sdb, 1000)
boot.ci(b)
但是，您可能更喜欢通过更明确的方式来做这样一个简单的示例，因此可以了解真正发生的事情并充分利用它。请注意，
b下面与b上面不同。
b <- sapply( 1:1000, function(x) {
s <- sample(y, 25, replace = TRUE)
sd(s) } )
b <- sort(b)
#low end of CI
b[25]
#hi end of CI
b[975]