正态分布:
采取已知方差的正态分布。我们可以将此方差设为1而不失去一般性(只需将每个观察值除以方差的平方根即可)。这具有抽样分布:
p (X1个。。。Xñ| μ)=(2 π)− N2经验值( − 12∑我= 1ñ(X一世- μ )2) =阿EXP( − N2(X¯¯¯¯- μ )2)
其中是仅取决于数据的常数。这表明样本均值是总体均值的足够统计量。如果我们使用统一的先验,则μ的后验分布将是:一个μ
(μ | X1个。。。Xñ)∼Normal(X¯¯¯¯,1N)⟹(N−−√(μ−X¯¯¯¯)|X1...XN)∼NÔ ř 米一升(0,1)
所以一个可信间隔将是以下形式:1个−α
(X¯¯¯¯+1N−−√大号α,X¯¯¯¯+ 1ñ−-√üα)
其中和ü α被选择成使得标准正态随机变量ž满足:大号αüαž
P[R (大号α<Z< Uα) = 1 - α
现在我们可以从这个“关键量”开始构建一个置信区间。√的抽样分布固定μ是一个标准的正态分布,因此我们可以代入上面的概率这样的:ñ--√(μ - X¯¯¯¯)μ
P[R (大号α< N--√(μ - X¯¯¯¯)< üα) = 1 - α
然后重新排列以求解,并且置信区间将与可信区间相同。μ
比例参数:
为比例参数,PDF文件具有形式。我们可以采取(X我|š)〜üÑ我˚Föř米(0,s ^),其对应于˚F(吨)=1。联合采样分布为:p(Xi|s)=1sf(Xis)(X一世| 小号)〜üñ 我˚Fø ř 米(0 ,s ^ )F(t )= 1
p (X1个。。。Xñ| s)= s− N0 < X1个。。。Xñ< 秒
从中我们发现足够的统计量等于(观测值的最大值)。现在,我们找到其采样分布:X中号一个X
P[R (X中号一个X< y| s)=P[R (X1个< y,X2< y。。。Xñ< y| s)=(ys)ñ
现在我们可以通过使它独立于参数。这意味着我们的“枢转量”由下式给出Q = s ^ - 1 X 中号一个X与P - [R (Q < q )= q Ñ其是b Ë 吨一个(Ñ ,1 )分布。因此,我们可以选择大号α,ü α使用的β分位数这样的:ÿ= qsQ = 秒− 1X中号一个XPr (Q < q)= qñb Ë Ť 一个(Ñ,1 )大号α,Uα
P[R (大号α< Q < Uα)= 1 - α = ûñα- 大号ñα
我们用关键量代替:
P[R (大号α< 秒− 1X中号一个X< Uα)= 1 - α = P[R (X中号一个X大号− 1α> s > X中号一个Xü− 1α)
还有我们的置信区间。对于使用jeffreys的贝叶斯解决方案,我们有:
p (s | X1个。。。Xñ)= 秒− N− 1∫∞X中号一个X[R− N− 1d[R= N(X中号一个X)ñs− N− 1
⟹Pr(s>t|X1...XN)=N(Xmax)N∫∞ts−N−1ds=(Xmaxt)N
现在我们插入置信区间,并计算其可信度
Pr(XmaxL−1α>s>XmaxU−1α|X1...XN)=(XmaxXmaxU−1α)N−(XmaxXmaxL−1α)N
=UNα−LNα=Pr(Lα<Q<Uα)
和急,我们有信誉和覆盖面。1−α