distribución normal:
Tome una distribución normal con varianza conocida. Podemos tomar esta varianza como 1 sin perder la generalidad (simplemente dividiendo cada observación por la raíz cuadrada de la varianza). Esto tiene distribución de muestreo:
p ( X1. . . XnorteEl | μ)= ( 2 π)- N2Exp( - 12∑i = 1norte( Xyo- μ )2) =Aexp( - N2( X¯¯¯¯- μ )2)
Donde es una constante que depende solo de los datos. Esto muestra que la media de la muestra es una estadística suficiente para la media de la población. Si usamos un uniforme anterior, entonces la distribución posterior para será:μUNAμ
( μ | X1. . . Xnorte) ∼ No r m a l ( X¯¯¯¯, 1norte)⟹( N--√( μ - X¯¯¯¯) | X1. . . Xnorte) ∼ No r m a l ( 0 , 1 )
Entonces un intervalo creíble tendrá la forma:1 - α
( X¯¯¯¯+ 1norte--√Lα, X¯¯¯¯+ 1norte--√Uα)
Donde y se eligen de manera que una variable aleatoria normal estándar satisfaga: U α ZLαUαZ
PAGr ( Lα< Z< Uα) = 1 - α
Ahora podemos comenzar con esta "cantidad fundamental" para construir un intervalo de confianza. La distribución de muestreo de para fijo es una distribución normal estándar, por lo que podemos sustituir esto en la probabilidad anterior:μnorte--√( μ - X¯¯¯¯)μ
PAGr ( Lα< N--√( μ - X¯¯¯¯) < Uα) = 1 - α
Luego, vuelva a organizar para resolver , y el intervalo de confianza será el mismo que el intervalo creíble.μ
Parámetros de escala:
Para los parámetros de escala, los archivos PDF tienen la forma . Podemos tomar el , que corresponde a . La distribución conjunta de muestreo es:p ( XyoEl | s)= 1sF( Xyos)( XyoEl | s)∼Un i fo r m ( 0 , s )F( t ) = 1
p ( X1. . . XnorteEl | s)= s- N0 < X1. . . Xnorte< s
De donde encontramos que la estadística suficiente es igual a (el máximo de las observaciones). Ahora encontramos su distribución de muestreo:Xm a x
PAGr ( Xm a x< yEl | s)=Pr ( X1< y, X2< y. . . Xnorte< yEl | s)= ( ys)norte
Ahora podemos hacer esto independiente del parámetro tomando . Esto significa que nuestra "cantidad fundamental" viene dada por con que es la distribución . Entonces, podemos elegir usando los cuantiles beta de manera que:y= qsQ = s- 1Xm a xPAGr ( Q < q) = qnorteb e t a ( N, 1 )Lα, Uα
PAGr ( Lα< Q < Uα) = 1 - α = Unorteα- Lnorteα
Y sustituimos la cantidad fundamental:
PAGr ( Lα< s- 1Xm a x< Uα) = 1 - α = Pr ( Xm a xL- 1α> s > Xm a xU- 1α)
Y ahí está nuestro intervalo de confianza. Para la solución bayesiana con jeffreys antes tenemos:
p ( s | X1. . . Xnorte) = s- N- 1∫∞Xm a xr- N- 1rer= N( Xm a x)nortes- N- 1
⟹PAGr ( s > t | X1. . . Xnorte) = N( Xm a x)norte∫∞ts- N- 1res = ( Xm a xt)norte
Ahora conectamos el intervalo de confianza y calculamos su credibilidad
PAGr ( Xm a xL- 1α> s > Xm a xU- 1αEl | X1. . . Xnorte) = ( Xm a xXm a xU- 1α)norte- ( Xm a xXm a xL- 1α)norte
= Unorteα- Lnorteα= Pr ( Lα< Q < Uα)
Y listo, tenemos credibilidad y cobertura .1 - α