เมื่อคุณบอกว่าคุณคุ้นเคยกับช่วงความมั่นใจที่มีนิพจน์สำหรับความแปรปรวนคุณกำลังคิดถึงกรณีเกาส์เซียนซึ่งข้อมูลเกี่ยวกับพารามิเตอร์สองตัวที่แสดงลักษณะประชากร - หนึ่งค่าเฉลี่ยและความแปรปรวนอื่น - สรุปโดยตัวอย่าง ความแปรปรวนเฉลี่ยและตัวอย่าง ค่าเฉลี่ยตัวอย่างจะประมาณค่าเฉลี่ยของประชากร แต่ความแม่นยำนั้นขึ้นอยู่กับความแปรปรวนของประชากรซึ่งประเมินโดยค่าความแปรปรวนตัวอย่าง ในอีกทางหนึ่งการแจกแจงแบบทวินามมีเพียงหนึ่งพารามิเตอร์ - ความน่าจะเป็นที่จะประสบความสำเร็จในการทดลองแต่ละครั้ง - ข้อมูลทั้งหมดที่ได้รับจากตัวอย่างเกี่ยวกับพารามิเตอร์นี้ถูกสรุปในจำนวนทั้งหมด ประสบความสำเร็จจากการทดลองอิสระมากมาย ความแปรปรวนประชากรและค่าเฉลี่ยทั้งคู่ถูกกำหนดโดยพารามิเตอร์นี้
คุณสามารถรับช่วงความมั่นใจ Clopper – Pearson 95% (พูด) สำหรับพารามิเตอร์ทำงานโดยตรงกับฟังก์ชันมวลความน่าจะเป็นแบบทวินาม สมมติว่าคุณสังเกตความสำเร็จจากการทดลองครั้ง pmf คือπxn
Pr(X=x)=(nx)πx(1−π)n−x
เพิ่มจนกว่าความน่าจะเป็นของหรือน้อยกว่าที่จะประสบความสำเร็จลดลง 2.5%: นั่นคือขอบเขตสูงสุดของคุณ ลดลงจนกว่าความน่าจะเป็นหรือมากกว่านั้นจะลดลงเหลือ 2.5%: นั่นคือขอบเขตล่างของคุณ (ฉันขอแนะนำให้คุณลองทำสิ่งนี้หากมันไม่ชัดเจนจากการอ่านเกี่ยวกับเรื่องนี้) สิ่งที่คุณกำลังทำอยู่ที่นี่คือการหาค่าของที่เมื่อนำมาเป็นสมมติฐานว่างจะนำไปสู่การถูกปฏิเสธโดย การทดสอบแบบสองด้านที่ระดับนัยสำคัญ 5% ในระยะยาวขอบเขตที่คำนวณด้วยวิธีนี้จะครอบคลุมค่าที่แท้จริงของไม่ว่าจะเป็นอะไรก็ตามอย่างน้อย 95% ของเวลาπxπxππ