R 函数获取给定估计值及其标准误差的置信区间？

根据回归模型对参数（2.685）及其SE（0.319）的估计，我可以计算95%瓦尔德置信区间，如下所示：

> c("2.5%" = 2.685 - 1.96*0.319, 
    "97.5%" = 2.685 + 1.96*0.319)
   2.5%   97.5% 
2.05976 3.31024

在CRAN上的现有包中是否有一个R函数可以做到这一点

---

为了简单起见，我们假设参数服从正态分布。我正在寻找from

Rmisc

的等价物，但它将估计值及其SE作为输入，而不是向量。

假设正态性，单线性解决方案将是：

> sapply(c(0.025, 0.975), function(x) qnorm(x, 2.685, 0.319))
[1] 2.059771 3.310229

即使如评论中所指出的，只需：

> qnorm(c(0.025, 0.975), 2.685, 0.319)
[1] 2.059771 3.310229

---

这是什么样的分布？参数是什么？然后，您可以使用分位数函数来计算它，假设它是一个来自论文的参数和SE的估计值。我想从中推断出置信区间。（我不确定分位数函数在这里会有什么帮助。）我在

Rmisc

中找到了它，但它只接受向量作为输入，而我只关心点估计。它看起来像一个正态分布：

qnorm（0.025，2.685，0.319）

给出了

2.059771

example@Pascal是的，好像是：

qnorm（0.975，2.685，0.319）

给出了3.310229，也适用于上界。@r学生指的是这类函数（qbeta，qt，qnorm…），即与特定分布相关的分位数函数。单线性解是

qnorm（c（0.025，0.975），2.685，0.319）

。