更改

删除88字节 、 2021年8月8日 (日) 17:05
第332行: 第332行:       −
  \tilde{p} \pm z \sqrt{ \frac{ \tilde{p} ( 1 - \tilde{p} )}{ n + z^2 } } .
+
<math>\tilde{p} \pm z \sqrt{ \frac{ \tilde{p} (1 - \tilde{p})}{ n + z^2 }}</math> .
    
利用 Beta分布作为共轭先验分布时,也存在p的封闭形式的贝叶斯估计。当使用一个通用<math>\operatorname{Beta}(\alpha, \beta) </math>作为先验时,后验均值估计量为: <math>\widehat{p_b} = \frac{x+\alpha}{n+\alpha+\beta}</math>。贝叶斯估计是渐近有效的,当样本容量趋近无穷大(n →∞)时,它趋近极大似然估计(MLE)解。贝叶斯估计是有偏的(偏多少取决于先验) ,可接受的且一致的概率。
 
利用 Beta分布作为共轭先验分布时,也存在p的封闭形式的贝叶斯估计。当使用一个通用<math>\operatorname{Beta}(\alpha, \beta) </math>作为先验时,后验均值估计量为: <math>\widehat{p_b} = \frac{x+\alpha}{n+\alpha+\beta}</math>。贝叶斯估计是渐近有效的,当样本容量趋近无穷大(n →∞)时,它趋近极大似然估计(MLE)解。贝叶斯估计是有偏的(偏多少取决于先验) ,可接受的且一致的概率。
   −
Here the estimate of p is modified to
      
这里p的估计被修改为
 
这里p的估计被修改为
    
对于使用标准均匀分布作为非信息性的先验概率的特殊情况(<math>\operatorname{Beta}(\alpha=1, \beta=1) = U(0,1)</math>),后验均值估计变为<math>\widehat{p_b} = \frac{x+1}{n+2}</math> (后验模式应只能得出标准估计量)。这种方法被称为继承法则,它是18世纪 Pierre-Simon Laplace提出的。
 
对于使用标准均匀分布作为非信息性的先验概率的特殊情况(<math>\operatorname{Beta}(\alpha=1, \beta=1) = U(0,1)</math>),后验均值估计变为<math>\widehat{p_b} = \frac{x+1}{n+2}</math> (后验模式应只能得出标准估计量)。这种方法被称为继承法则,它是18世纪 Pierre-Simon Laplace提出的。
  −
  −
  \tilde{p}= \frac{ n_1 + \frac{1}{2} z^2}{ n + z^2 }
      
<math>\tilde{p}= \frac{ n_1 + \frac{1}{2} z^2}{ n + z^2 }</math>
 
<math>\tilde{p}= \frac{ n_1 + \frac{1}{2} z^2}{ n + z^2 }</math>
    
当估计值''p''时非常罕见,而且很小(例如:如果x=0),那么使用标准估计器会得到<math> \widehat{p} = 0,</math>,这有时是不现实的,也是不可取的。在这种情况下,有几种不同的可替代的估计方法。<ref>{{cite journal |last=Razzaghi |first=Mehdi |title=On the estimation of binomial success probability with zero occurrence in sample |journal=Journal of Modern Applied Statistical Methods |volume=1 |issue=2 |year=2002 |pages=326–332 |doi=10.22237/jmasm/1036110000 |doi-access=free }}</ref>一种方法是使用贝叶斯估计,得到: <math> \widehat{p_b} = \frac{1}{n+2}</math>)。另一种方法是利用从3个规则获得的置信区间的上界: <math> \widehat{p_{\text{rule of 3}}} = \frac{3}{n}</math>)
 
当估计值''p''时非常罕见,而且很小(例如:如果x=0),那么使用标准估计器会得到<math> \widehat{p} = 0,</math>,这有时是不现实的,也是不可取的。在这种情况下,有几种不同的可替代的估计方法。<ref>{{cite journal |last=Razzaghi |first=Mehdi |title=On the estimation of binomial success probability with zero occurrence in sample |journal=Journal of Modern Applied Statistical Methods |volume=1 |issue=2 |year=2002 |pages=326–332 |doi=10.22237/jmasm/1036110000 |doi-access=free }}</ref>一种方法是使用贝叶斯估计,得到: <math> \widehat{p_b} = \frac{1}{n+2}</math>)。另一种方法是利用从3个规则获得的置信区间的上界: <math> \widehat{p_{\text{rule of 3}}} = \frac{3}{n}</math>)
      
===值信区间 ===
 
===值信区间 ===
863

个编辑