Wiele częstych przedziałów ufności (CI) opiera się na funkcji prawdopodobieństwa. Jeśli poprzednia dystrybucja jest naprawdę nieinformacyjna, to późniejszy bayesowski ma zasadniczo te same informacje, co funkcja prawdopodobieństwa. W związku z tym w praktyce przedział prawdopodobieństwa Bayesa (lub przedział wiarygodny) może być bardzo podobny liczbowo do częstego przedziału ufności. [Oczywiście, nawet jeśli pod względem liczbowym są podobne, istnieją filozoficzne różnice w interpretacji między oszacowaniami interwałowymi a bayesowskimi.]
Oto prosty przykład oszacowania prawdopodobieństwa sukcesu dwumianowego θ.
Załóżmy, że mamy n=100 obserwacji (prób) z X=73 sukcesów.
Częstościowym: Tradycyjne Wald przedział zastosowania estymacja punktowa
θ = X / n = 73 / 100 = 0,73. A 95% CI w postaci
θ ± 1,96 √θ^=X/n=73/100=0.73.
θ^±1.96θ^(1−θ^)n−−−−−−−−√,
co oblicza do
(0.643,0.817).
n = 100; x = 73; th.w = x/n; pm = c(-1,1)
ci.w = th.w + pm*1.96*sqrt(th.w*(1-th.w)/n); ci.w
[1] 0.6429839 0.8170161
Ta forma CI zakłada, że odpowiednie rozkłady dwumianowe mogą być aproksymowane przez normalne, a margines błędu jest dobrze przybliżony przez
W szczególności dla małych założenia te nie muszą być prawdziwe. [Przypadki, w których lub są szczególnie problematyczne.] √θ(1−θ)/n−−−−−−−−−√n,X=0X=nθ^(1−θ^)/n−−−−−−−−−√.n,X=0X=n
Wykazano, że Agresti-Coull CI ma bardziej dokładne prawdopodobieństwo pokrycia. Ten przedział „dodaje dwa sukcesy i dwa niepowodzenia” jako sposób na zbliżenie prawdopodobieństwa pokrycia do 95%. Zaczyna się od oszacowania punktowego
gdzie ˜ n + 4. Następnie 95% CI ma postać
˜ θ ± 1,96 √θ~=(X+2)/n~,n~+4.
co oblicza do(0,612,0,792). Dlan>100i0,3<~θ<0,7,różnica pomiędzy tymi dwoma stylów przedziałów ufności jest prawie bez znaczenia.
θ~±1.96θ~(1−θ~)n~−−−−−−−−√,
(0.612,0.792).n>1000.3<θ~<0.7,
ci.a = th.a + pm*1.96*sqrt(th.a*(1-th.a)/n); ci.a
[1] 0.6122700 0.7915761
Bayesian:
Jednym z popularnych nieinformacyjnych uprzednich w tej sytuacji jest Funkcja prawdopodobieństwa jest proporcjonalna do
θ x ( 1 - θ ) n - x . Mnożąc jądra wcześniejszego i prawdopodobieństwa, mamy jądro rozkładu tylnego
B e t a ( x + 1 ,B e t a (1,1)≡Unif( 0 ,1).θx( 1 - θ )n - x.B e t a (x+1,n - x + 1 ) .
Następnie 95% oszacowanie przedziału Bayesa wykorzystuje kwantyle 0,025 i 0,975 rozkładu tylnego, aby uzyskać
Gdy wcześniejszy rozkład jest „płaski” lub „nieinformacyjny”, różnica liczbowa między przedziałem prawdopodobieństwa Bayesa a przedziałem ufności Agresti-Coull jest niewielka.( 0,635 ; 0,807 ) .
qbeta(c(.025, .975), 74, 28)
[1] 0.6353758 0.8072313
Uwagi: (a) W tej sytuacji niektórzy Bayesiści wolą nieinformacyjne wcześniejsze (b) W przypadku poziomów ufności innych niż 95%, Agresti-Coull CI stosuje nieco inne oszacowanie punktowe. (c) W przypadku danych innych niż dwumianowy może nie być wcześniej dostępnego „płaskiego”, ale można wybrać przeora z dużą wariancją (mała precyzja), który przenosi bardzo mało informacji. (d) Aby uzyskać więcej informacji na temat CI CI Agresti-Coull, wykresów prawdopodobieństwa pokrycia i niektórych odniesień, być może zobacz także te pytania i odpowiedzi .B e t a (.5,.5).