Finally, we compare the intervals i

Finally, we compare the intervals in terms of variance of the length. No- tice that the variance of the length of the adjusted Wald interval is equal to the Wald interval. Recalling (15) and using the property of variance, we have that V ar(lA.Wald) = V ar(lWald). So in the figures related of the variance of the length, we only plot the variance of length for the Wald interval.
The variances of length for Wald/adjusted Wald, Agresti-Caffo and Newcombe intervals are presented in Figure 5. It is seen that the Newcombe interval has the smallest variance, although very close to the variance of the Agresti-Caffo interval. The huge variance of the Wald and adjusted Wald intervals in small samples is also seen. On the other hand, the variances of the Bayesian intervals are presented in Figure 6, and, the performance of the intervals with the uniform prior and the Jeffreys prior are similar. However, their variance is larger than both the Agresti- Caffo and Newcombe intervals.
In conclusion, in terms of true coverage probability, the best intervals are the Bayesian; in terms of the expected length, the best interval is the Newcombe interval, as well as in terms of variance of the length.

Kết quả (Việt) 1:

Cuối cùng, chúng tôi so sánh các đoạn về phương sai độ dài. No - tice phương sai của độ dài của khoảng thời gian Wald điều chỉnh là bằng nhau Wald interval. Nhắc lại (15) và sử dụng tài sản của phương sai, chúng ta có mà ar(lA.Wald) V = V ar(lWald). Như vậy trong figures liên quan đến phương sai độ dài, chúng tôi chỉ lô phương sai của chiều dài nhất khoảng Wald.Sự chênh lệch chiều dài cho Wald/điều chỉnh Wald, Agresti-Caffo và Newcombe khoảng được trình bày trong hình 5. Nó được nhìn thấy rằng khoảng thời gian Newcombe có phương sai nhỏ nhất, mặc dù rất gần với phương sai của khoảng Agresti-Caffo. Phương sai rất lớn của Wald và điều chỉnh Wald khoảng trong mẫu nhỏ cũng được nhìn thấy. Mặt khác, chênh lệch khoảng Bayes được trình bày trong hình 6, và hiệu suất của các khoảng thời gian trước khi thống nhất và trước khi Jeffreys cũng tương tự. Tuy nhiên, phương sai của họ là lớn hơn khoảng Agresti - Caffo và Newcombe.Tóm lại, trong điều khoản của xác suất đúng phạm vi bảo hiểm, khoảng thời gian tốt nhất là Bayes; trong điều kiện độ dài dự kiến, khoảng thời gian tốt nhất là khoảng Newcombe, cũng như về phương sai độ dài.

Kết quả (Việt) 2:

Cuối cùng, chúng ta so sánh các khoảng về phương sai của chiều dài. Hành cả không- rằng sự thay đổi về độ dài của khoảng thời gian Wald điều chỉnh bằng với khoảng thời gian Wald. Nhắc lại (15) và sử dụng tài sản của phương sai, chúng tôi đã có V ar (lA.Wald) = V ar (lWald). Vì vậy, trong gures fi liên quan đến sự thay đổi của độ dài, chúng tôi chỉ vẽ phương sai của chiều dài khoảng Wald.
Các phương sai của chiều dài cho Wald / điều chỉnh Wald, Agresti-Cà ff o và Newcombe khoảng được thể hiện trong hình 5. Nó được xem là khoảng Newcombe có phương sai nhỏ nhất, mặc dù rất gần với phương sai của khoảng o Agresti-Cà ff. Phương sai rất lớn của Wald và khoảng Wald được điều chỉnh trong các mẫu nhỏ cũng được nhìn thấy. Mặt khác, sự thay đổi của các khoảng Bayesian được thể hiện trong hình 6, và, hiệu suất của các khoảng thời gian với trước khi thống nhất và Je ff reys trước là tương tự. Tuy nhiên, phương sai của họ là lớn hơn cả ff o Agresti- Ca và khoảng Newcombe.
Tóm lại, về đúng khả năng phủ sóng, khoảng thời gian tốt nhất là Bayesian; về chiều dài dự kiến, khoảng thời gian tốt nhất là khoảng thời gian Newcombe, cũng như về phương sai của chiều dài.