Equation (5.1)describes how to calc

Equation (5.1)describes how to calculate the confidence intervals, or error
bars, for estimates of errorv(h) that are based on errors(h). In using this expression, it is important to keep in mind that this applies only to discrete-valued
hypotheses, that it assumes the sample S is drawn at random using the same
distribution from which future data will be drawn, and that it assumes the data
is independent of the hypothesis being tested. We should also keep in mind that
the expression provides only an approximate confidence interval, though the approximation is quite good when the sample contains at least 30 examples, and
errors(h) is not too close to 0 or 1 . A more accurate rule of thumb is that the
above approximation works well when
Above we summarized the procedure for calculating confidence intervals for
discrete-valued hypotheses. The following section presents the underlying statistical justification for this procedure.

Kết quả (Việt) 1:

Phương trình (5.1) Mô tả làm thế nào để tính toán khoảng tin cậy, hoặc lỗiCác quán Bar, cho ước tính của errorv(h) dựa trên errors(h). Sử dụng các biểu hiện này, điều quan trọng là hãy nhớ rằng điều này chỉ áp dụng cho giá trị rời rạcgiả thuyết, nó giả định các mẫu S được rút ra ngẫu nhiên bằng cách sử dụng cùng mộtphân phối từ dữ liệu trong tương lai sẽ được rút ra, và rằng nó giả định dữ liệulà độc lập của các giả thuyết được thử nghiệm. Chúng ta cũng nên lưu ý rằngCác biểu hiện cung cấp chỉ một xấp xỉ khoảng tin cậy, mặc dù, xấp xỉ là khá tốt khi các mẫu có chứa ít nhất 30 ví dụ, vàErrors(h) không phải là quá gần với 0 hoặc 1. Một chính xác hơn nguyên tắc, đó là cácở trên xấp xỉ hoạt động tốt khiỞ trên chúng tôi tóm tắt các thủ tục cho việc tính toán khoảng tin cậy nhấtgiả thuyết có giá trị rời rạc. Phần sau đây trình bày biện minh thống kê cơ bản cho thủ tục này.

Kết quả (Việt) 2:

Phương trình (5.1) mô tả làm thế nào để tính toán khoảng tin cậy, hoặc lỗi
quán bar, cho các ước tính của errorv (h) được dựa trên lỗi (h). Trong việc sử dụng biểu thức này, điều quan trọng là cần lưu ý rằng điều này chỉ áp dụng cho rời rạc có giá trị
giả thuyết, nó giả định các mẫu S được rút ra một cách ngẫu nhiên bằng cách sử dụng cùng một
phân phối mà từ đó dữ liệu trong tương lai sẽ được rút ra, và nó giả định dữ liệu
độc lập với giả thuyết đang được thử nghiệm. Chúng ta cũng nên lưu ý rằng
các biểu hiện chỉ cung cấp một khoảng tin cậy gần đúng, mặc dù xấp xỉ là khá tốt khi mẫu có chứa ít nhất 30 ví dụ, và
lỗi (h) là không quá gần 0 hoặc 1. Một nguyên tắc chính xác hơn của ngón tay cái là
xấp xỉ trên hoạt động tốt khi
ở trên chúng tôi tóm tắt các thủ tục để tính khoảng tin cậy cho
giả thuyết rời rạc có giá trị. Phần sau đây trình bày sự biện minh thống kê cơ bản cho thủ tục này.