เมื่อและโอกาส
แสดงความสำเร็จในการทดลองการกระจายหลังคือ
(นี่คือเห็นได้ง่าย ๆ โดยการคูณเมล็ดของก่อนและโอกาสที่จะได้รับเคอร์เนลของหลัง)Unif(0,1)≡Beta(α0=1,β0=1)Binom(n,θ)xnBeta(αn=1+x,βn=1+n−x).
ดังนั้นค่าเฉลี่ยหลัง
คือ μn=αnαn+β=x+1n+2.
ในบริบทของเบย์เพียงแค่ใช้คำศัพท์หลังหมายถึงอาจจะดีที่สุด (ค่ามัธยฐานของการแจกแจงหลังและสูงสุดของ PDF นั้นยังถูกใช้เพื่อสรุปข้อมูลหลัง)
หมายเหตุ: (1) ที่นี่คุณใช้เป็นการกระจายก่อนหน้านี้ที่ไม่เป็นทางการ ในทางทฤษฎีเสียงนักสถิติแบบเบย์บางคนชอบที่จะใช้Jeffreys ก่อนในฐานะ noninformative ก่อน ดังนั้นค่าเฉลี่ยหลังคือBeta(1,1)B e t a ( 1 Beta(12,12)μn=x+.5n+1.
(2) ในการทำช่วงความมั่นใจบ่อยๆ Agresti และ Coull ได้แนะนำ "เพิ่มสองความสำเร็จและสองความล้มเหลว" ให้กับกลุ่มตัวอย่างเพื่อให้ได้ช่วงความเชื่อมั่นตามตัวประมาณซึ่งมีความน่าจะเป็นของการครอบคลุมที่แม่นยำกว่า (มากกว่าช่วงเวลา Wald ดั้งเดิมโดยใช้David Moore ได้ขนานนามตัวประเมินนี้เป็นบวกสี่ตัวในตำราสถิติพื้นฐานที่ใช้กันอย่างแพร่หลายของเขาบางส่วนและคำศัพท์อื่น ๆ ถูกใช้ ฉันจะไม่แปลกใจที่เห็นตัวประมาณของคุณที่เรียกว่า 'บวกสอง' และ Jeffries 'เรียกว่า' บวกหนึ่ง 'p^=x+2n+4, P =xp^=xn).
(3) ตัวประมาณทั้งหมดเหล่านี้มีผลกระทบของ 'การย่อตัวประมาณไปที่ 1/2' และดังนั้นพวกมันจึงถูกเรียกว่า 'ตัวประมาณการหดตัว' (คำที่ใช้กันอย่างแพร่หลายมากขึ้นโดยเฉพาะอย่างยิ่งในการอนุมาน James-Stein) ดูคำตอบ (+1) โดย @Taylor