Wald interval is obtained by subtra

Wald interval is obtained by subtracting and adding a constant to the lower and upper limit of the Wald interval, respectively. As a result then, the following relationship between the lengths of these intervals remains:
lA.Wald = lWald +
n1 + n2 n1n2
(15)
The Agresti-Caffo and Newcombe intervals have a more stable expected length with respect to p1 than the Wald and adjusted Wald intervals. The improvement is noted especially in small samples. In samples with n1 = n2 = 50,100, the length of the Agresti-Caffo and Newcombe intervals are smaller than the Wald and adjusted Wald intervals. The expected lengths of the Bayesian intervals are also presented also in Figure 4, where it is seen that the performance of the intervals with the uniform and Jeffreys prior are similar. However, their expected lengths are larger than the Agresti-Caffo and Newcombe intervals when n1 = n2 = 100; when n1 = n2 = 50, the lengths are similar; when n1 = n2 = 10, the Bayesian intervals show a similar performance to the Newcombe interval while the Agresti-Caffo interval has a slightly larger expected length. In conclusion, the Newcombe interval has the smallest expected length in all sample sizes.

Kết quả (Việt) 1:

Khoảng thời gian Wald thu được bằng cách trừ và thêm một hằng số giới hạn thấp và phía trên của khoảng Wald, tương ứng. Như là kết quả sau đó, sau mối quan hệ giữa độ dài của các khoảng thời gian còn lại:lA.Wald = lWald +N1 + n2 n1n2(15)Agresti-Caffo và Newcombe khoảng có độ dài dự kiến sẽ ổn định hơn đối với p1 hơn Wald và điều chỉnh khoảng thời gian Wald. Những cải tiến được chú ý đặc biệt là trong các mẫu nhỏ. Trong mẫu với n1 = n2 = 50,100, độ dài của khoảng Agresti-Caffo và Newcombe đều nhỏ hơn Wald và điều chỉnh Wald khoảng thời gian. Độ dài dự kiến khoảng Bayes cũng được trình bày cũng trong hình 4, nơi nó được nhìn thấy rằng hiệu suất của các đoạn với đồng phục và Jeffreys trước cũng tương tự. Tuy nhiên, độ dài dự kiến của họ là lớn hơn khoảng Agresti-Caffo và Newcombe khi n1 = n2 = 100; Khi n1 = n2 = 50, độ dài là tương tự; Khi n1 = n2 = 10, Hiển thị khoảng Bayes một hiệu suất tương tự vào khoảng Newcombe trong khi khoảng thời gian Agresti-Caffo có một chiều dài hơi lớn hơn dự kiến. Tóm lại, khoảng thời gian Newcombe có chiều dài dự kiến nhỏ nhất trong tất cả các kích thước mẫu.

Kết quả (Việt) 2:

Khoảng Wald thu được bằng cách trừ và thêm một hằng số giới hạn dưới và trên của khoảng Wald, tương ứng. Kết quả là sau đó, mối quan hệ sau đây giữa độ dài của những khoảng thời gian còn lại là:
lA.Wald = lWald +
n1 + n1n2 n2
(15)
Các ff o và Newcombe khoảng Agresti-Ca có chiều dài dự kiến ổn định hơn đối với p1 hơn Wald và khoảng Wald điều chỉnh. Những cải tiến được chú ý đặc biệt trong các mẫu nhỏ. Trong mẫu với n1 = n2 = 50.100, chiều dài của ff o Agresti-Ca và khoảng Newcombe nhỏ hơn Wald và khoảng Wald điều chỉnh. Chiều dài dự kiến của khoảng Bayesian cũng được trình bày cũng trong hình 4, nơi nó được nhìn thấy rằng hiệu suất của các quãng với bộ đồng phục và Je ff reys trước là tương tự. Tuy nhiên, độ dài dự kiến của họ là lớn hơn so với ff o Agresti-Ca và khoảng Newcombe khi n1 = n2 = 100; khi n1 = n2 = 50, độ dài tương tự; khi n1 = n2 = 10, khoảng Bayesian cho thấy một hiệu suất tương tự như khoảng Newcombe trong khi Agresti-Cà ff o khoảng thời gian có chiều dài dự kiến sẽ lớn hơn một chút. Trong kết luận, khoảng Newcombe có chiều dài dự kiến nhỏ nhất trong tất cả các kích thước mẫu.