Nhiều khoảng tin cậy thường xuyên (TCTD) dựa trên hàm khả năng. Nếu phân phối trước đó thực sự không có nhiều thông tin, thì hậu thế Bayes về cơ bản có cùng thông tin với chức năng khả năng. Do đó, trong thực tế, một khoảng xác suất Bayes (hoặc khoảng tin cậy) có thể rất giống nhau về số lượng với khoảng tin cậy thường xuyên. [Tất nhiên, ngay cả khi giống nhau về mặt số, vẫn có những khác biệt về triết học trong việc giải thích giữa ước lượng khoảng thời gian thường xuyên và Bayes.]
Dưới đây là một ví dụ đơn giản, lập dự toán nhị thức xác xuất thành công
Giả sử chúng ta có n = 100 quan sát (thử nghiệm) với X = 73 thành công.θ.n=100X=73
Frequentist: Các truyền thống Wald khoảng sử dụng các ước lượng điểm
θ = X / n = 73 / 100 = 0,73. Và CI 95% có dạng
q ± 1,96 √θ^=X/n=73/100=0.73.
tính toán cho(0,643,
θ^±1.96θ^(1−θ^)n−−−−−−−−√,
(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
Hình thức này của CI giả định rằng phân phối nhị thức có liên quan có thể được xấp xỉ bởi những người bình thường và rằng sai số được cũng xấp xỉ bằng
√θ(1−θ)/n−−−−−−−−−√Riêng vớinnhỏ,những giả định này không cần phải đúng. [Các trường hợpX=0hoặcX=nđặc biệt có vấn đề.]θ^(1−θ^)/n−−−−−−−−−√.n,X=0X=n
Các Agresti-Coull CI đã được chứng minh là có khả năng phủ sóng chính xác hơn. Khoảng thời gian này 'thêm hai Thành công và hai Thất bại' như một mẹo để có xác suất bảo hiểm gần tới 95%. Nó bắt đầu với ước lượng điểm
nơi ~ n + 4. Sau đó, một CI 95% có dạng
~ θ ± 1,96 √θ~=(X+2)/n~,n~+4.
trong đó tính đến(0,612,0,792). Đối vớin>100và0,3<~θ<0,7,sự khác biệt giữa hai phong cách này của khoảng tin cậy gần như không đáng kể.
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:
Một điều không phổ biến trước đây trong tình huống này là Hàm khả năng tỷ lệ thuận với
θ x ( 1 - θ ) n - x . Nhân các hạt nhân của trước và khả năng chúng ta có hạt nhân của phân phối sau
B e t a ( x + 1 ,Beta(1,1)≡Unif(0,1).θx(1−θ)n−x.Beta(x+1,n−x+1).
Sau đó, ước tính khoảng 95% Bayes sử dụng các lượng tử 0,025 và 0,975 của phân bố sau để có được
Khi phân phối trước là 'phẳng' hoặc 'không phù hợp', sự khác biệt về số giữa khoảng xác suất Bayes và khoảng tin cậy Agresti-Coull là không đáng kể.(0.635,0.807).
qbeta(c(.025, .975), 74, 28)
[1] 0.6353758 0.8072313
Lưu ý: (a) Trong tình huống này, một số người Bayes thích sự không phù hợp trước (b) Đối với các mức độ tin cậy khác hơn 95%, Agresti-Coull CI sử dụng ước tính điểm hơi khác nhau. (c) Đối với dữ liệu không phải là nhị thức, có thể không có sẵn 'phẳng' trước, nhưng người ta có thể chọn trước với phương sai rất lớn (độ chính xác nhỏ) mang rất ít thông tin. (d) Để thảo luận thêm về các TCTD Agresti-Coull, các biểu đồ về xác suất bảo hiểm và một số tài liệu tham khảo, có lẽ cũng xem phần Hỏi & Đáp này .Beta(.5,.5).