phân phối bình thường:
Hãy phân phối bình thường với phương sai đã biết. Chúng ta có thể lấy phương sai này là 1 mà không mất tính tổng quát (bằng cách chia mỗi quan sát cho căn bậc hai của phương sai). Điều này có phân phối mẫu:
p(X1...XN|μ)=(2π)−N2exp(−12∑i=1N(Xi−μ)2)=Aexp(−N2(X¯¯¯¯−μ)2)
Trong đó là hằng số chỉ phụ thuộc vào dữ liệu. Điều này cho thấy trung bình mẫu là một thống kê đầy đủ cho trung bình dân số. Nếu chúng tôi sử dụng đồng phục trước, thì phân phối sau cho sẽ là:Aμ
(μ|X1...XN)∼Normal(X¯¯¯¯,1N)⟹(N−−√(μ−X¯¯¯¯)|X1...XN)∼Normal(0,1)
Vì vậy, khoảng tin cậy sẽ có dạng:1−α
(X¯¯¯¯+1N−−√Lα,X¯¯¯¯+1N−−√Uα)
Trong đó và được chọn sao cho biến ngẫu nhiên chuẩn thông thường thỏa mãn:LαUαZ
Pr(Lα<Z<Uα)=1−α
Bây giờ chúng ta có thể bắt đầu từ "số lượng quan trọng" này để xây dựng khoảng tin cậy. Phân phối lấy mẫu của cho cố định là phân phối chuẩn thông thường, vì vậy chúng ta có thể thay thế điều này vào xác suất trên:N−−√(μ−X¯¯¯¯)μ
Pr(Lα<N−−√(μ−X¯¯¯¯)<Uα)=1−α
Sau đó sắp xếp lại để giải quyết cho và khoảng tin cậy sẽ giống như khoảng tin cậy.μ
Thông số tỷ lệ:
Đối với tham số tỷ lệ, pdf có dạng . Chúng ta có thể lấy , tương ứng với . Phân phối lấy mẫu chung là:p(Xi|s)=1sf(Xis)(Xi|s)∼Uniform(0,s)f(t)=1
p(X1...XN|s)=s−N0<X1...XN<s
Từ đó chúng tôi tìm thấy số liệu thống kê đủ bằng (mức tối đa của các quan sát). Bây giờ chúng tôi tìm thấy phân phối mẫu của nó:Xmax
Pr(Xmax<y|s)=Pr(X1<y,X2<y...XN<y|s)=(ys)N
Bây giờ chúng ta có thể làm cho điều này độc lập với tham số bằng cách lấy . Điều này có nghĩa là "số lượng pivotal" của chúng tôi được đưa ra bởi với là phân phối . Vì vậy, chúng ta có thể chọn bằng cách sử dụng các lượng tử beta sao cho:y=qsQ=s−1XmaxPr(Q<q)=qNbeta(N,1)Lα,Uα
Pr(Lα<Q<Uα)=1−α=UNα−LNα
Và chúng tôi thay thế số lượng quan trọng:
Pr(Lα<s−1Xmax<Uα)=1−α=Pr(XmaxL−1α>s>XmaxU−1α)
Và có khoảng tin cậy của chúng tôi. Đối với giải pháp Bayes với jeffreys trước chúng ta có:
p(s|X1...XN)=s−N−1∫∞Xmaxr−N−1dr=N(Xmax)Ns−N−1
⟹Pr(s>t|X1...XN)=N(Xmax)N∫∞ts−N−1ds=(Xmaxt)N
Bây giờ chúng tôi cắm vào khoảng tin cậy và tính toán độ tin cậy của nó
Pr(XmaxL−1α>s>XmaxU−1α|X1...XN)=(XmaxXmaxU−1α)N−(XmaxXmaxL−1α)N
=UNα−LNα=Pr(Lα<Q<Uα)
Và uy tín , chúng tôi có độ tin cậy và bảo hiểm .1−α