1. IntroductionSetting confidence b

1. Introduction
Setting confidence bounds or intervals for a restricted parameter space is widely discussed in recent
literature, see Lyons [1], Fraser et al. [2], Mandelkern [3], Roe and Woodroofe [4], Woodroofe
and Wang [5] and Zhang and Woodroofe [6]. Lyons [1] and Mandelkern [3] pointed out the
importance of statistical inference for bounded parameter spaces in physics, and gave examples
that the classical Neyman procedure yields unsatisfactory results when the parameter is known to
be bounded.
It is worth noting that this problem is particularly important for discrete distributions: the
Poisson distribution for physics analyses [1,3,5], the binomial distribution for control charts [7]
and the binomial and Poisson distributions for tolerance intervals [8,9]. The confidence interval is
directly related to control chart construction, and also to tolerance interval construction because
a conventional approach to derive tolerance intervals for discrete distributions is based on the
confidence intervals or bounds [10].
Besides the Neyman procedure, there are several traditional methods of constructing the
confidence intervals. Most of the approaches focus on the natural parameter space, but not
restricted parameter spaces. Although for a confidence interval, we can simply construct the
confidence interval for a restricted parameter by considering the intersection of the confidence
interval and the restricted parameter space, it may be lack of the advantage of sufficiently using

ผลลัพธ์ (ไทย) 1:

1. แนะนำ
ตั้งขอบเขตความเชื่อมั่นหรือช่วงพื้นที่จำกัดพารามิเตอร์ถูกโจษขานในล่าสุด
วรรณกรรม รส [1], al. และเฟรเซอร์ [2], Mandelkern [3], โร และ Woodroofe [4], Woodroofe
และวัง [5] และจาง และ Woodroofe [6] รส [1] และ Mandelkern [3] ชี้ให้เห็น
ความสำคัญของสถิติข้อสำหรับล้อมรอบช่องว่างพารามิเตอร์ในฟิสิกส์ และให้ตัวอย่าง
ว่า กระบวนการ Neyman คลาสสิกทำให้ผลลัพธ์เฉย ๆ เมื่อพารามิเตอร์เป็นที่รู้จักกัน
จะล้อมรอบ.
จึงน่าสังเกตว่า ปัญหานี้มีความสำคัญอย่างยิ่งสำหรับการกระจายแยกกัน:
แจกแจงปัวซองสำหรับฟิสิกส์วิเคราะห์ [1,3,5], การแจกแจงแบบทวินามสำหรับตัวควบคุมแผนภูมิ [7]
และทวินามและการกระจายของปัวสำหรับช่วงเวลาที่ยอมรับ [8,9] ช่วงความเชื่อมั่น
เกี่ยวข้องโดยตรงใน การก่อสร้างแผนภูมิควบคุม และยังยอมรับช่วงก่อสร้างเนื่องจาก
วิธีทั่วไปจะได้รับช่วงค่าเผื่อสำหรับการกระจายแยกกันอยู่
ช่วงความเชื่อมั่นหรือขอบเขต [10] .
นอกจากขั้นตอนของ Neyman มีหลายวิธีดั้งเดิมในการสร้าง
ช่วงความเชื่อมั่น ส่วนใหญ่วิธีการเน้นพื้นที่พารามิเตอร์ธรรมชาติ แต่ไม่
จำกัดช่องพารามิเตอร์ ถึงแม้ว่าสำหรับช่วงความเชื่อมั่น เราสามารถเพียงสร้างการ
ช่วงความเชื่อมั่นสำหรับพารามิเตอร์จำกัดโดยพิจารณาจุดตัดของความเชื่อมั่น
ช่วงเวลาและพื้นที่จำกัดพารามิเตอร์ มันอาจจะขาดความได้เปรียบของการใช้พอ

ผลลัพธ์ (ไทย) 2:

1 การแนะนำ
การตั้งค่าขอบเขตความเชื่อมั่นหรือช่วงเวลาสำหรับพื้นที่พารามิเตอร์ จำกัด จะกล่าวถึงกันอย่างแพร่หลายในที่ผ่านมา
วรรณกรรมดูลียง [1], เฟรเซอร์และคณะ [2], Mandelkern [3], ไข่และ Woodroofe [4] Woodroofe
และวัง [5] Zhang และ Woodroofe [6] ลียง [1] และ Mandelkern [3] ชี้ให้เห็น
ความสำคัญของการอนุมานทางสถิติสำหรับพื้นที่พารามิเตอร์ขอบเขตในฟิสิกส์และให้ตัวอย่าง
ว่าขั้นตอน Neyman คลาสสิกทำให้ผลที่น่าพอใจเมื่อพารามิเตอร์เป็นที่รู้จักกัน
จะกระโดด
เป็นมูลค่า noting ว่าปัญหานี้ เป็นสิ่งสำคัญอย่างยิ่งสำหรับการกระจายโดยสิ้นเชิง:
แจกแจงปัวซฟิสิกส์วิเคราะห์ [1,3,5] การกระจายทวินามสำหรับแผนภูมิควบคุม [7]
และการกระจายทวินามและปัวซงสำหรับช่วงเวลาความอดทน [8,9] ช่วงความเชื่อมั่นที่
เกี่ยวข้องโดยตรงกับการควบคุมการก่อสร้างแผนภูมิและยังทนทานต่อการก่อสร้างช่วงเวลาเพราะ
วิธีการแบบเดิมที่จะได้รับช่วงเวลาความอดทนสำหรับการแจกแจงแบบไม่ต่อเนื่องจะขึ้นอยู่กับ
ความเชื่อมั่นหรือขอบเขต [10]
นอกจากนี้ขั้นตอน Neyman มีวิธีการแบบเดิม ๆ ในการสร้าง
ความเชื่อมั่น ส่วนใหญ่ของวิธีการมุ่งเน้นไปที่พื้นที่พารามิเตอร์ธรรมชาติ แต่ไม่
จำกัด พื้นที่พารามิเตอร์ แม้ว่าสำหรับช่วงความเชื่อมั่นเราก็สามารถสร้าง
ช่วงความเชื่อมั่นสำหรับพารามิเตอร์ จำกัด โดยพิจารณาแยกจากความเชื่อมั่นของ
ช่วงเวลาและพื้นที่พารามิเตอร์ จำกัด มันอาจจะขาดประโยชน์จากการใช้อย่างพอเพียง

ผลลัพธ์ (ไทย) 3:

1 . แนะนำการตั้งค่าหรือช่วงเวลาเพื่อความมั่นใจ
ขอบเขตจำกัดพารามิเตอร์พื้นที่อย่างกว้างขวางกล่าวถึงในวรรณคดีล่าสุด
เจอลียง [ 1 ] , เฟรเซอร์ et al . [ 2 ] , [ 3 ] และ mandelkern , ROE woodroofe [ 4 ] , [ 5 ] woodroofe
และวัง และจางและ woodroofe [ 6 ] ลียง [ 1 ] และ [ 2 ] mandelkern ชี้ให้เห็นความสำคัญของสถิติอนุมานสำหรับล้อมรอบ
พารามิเตอร์เป็นฟิสิกส์ และให้ตัวอย่าง
ที่ขั้นตอนเนย์เมิ่นคลาสสิกให้ผลน่าพอใจเมื่อพารามิเตอร์เป็นที่รู้จักกัน

มีจำกัด เป็นมูลค่า noting ว่าปัญหานี้เป็นปัญหาที่สำคัญโดยเฉพาะอย่างยิ่งสำหรับการแจกแจงไม่ต่อเนื่อง :
การแจกแจงปัวส์ซองสำหรับฟิสิกส์วิเคราะห์ [ 1,3,5 ] , การแจกแจงทวินามสำหรับแผนภูมิควบคุม [ 7 ]
และทวินามปัวซอการแจกแจงและสำหรับช่วง [ ความอดทน 8,9 ]ช่วงความเชื่อมั่นคือ
เกี่ยวข้องโดยตรงกับแผนภูมิควบคุมการก่อสร้าง และยังยอมรับการก่อสร้างช่วง เพราะการสอนเพื่อให้ได้ช่วงความอดทนสำหรับการแจกแจงไม่ต่อเนื่องขึ้นอยู่กับ
ความเชื่อมั่นหรือขอบเขต [ 10 ] .
นอกจากนี้ขั้นตอนเนย์เมิ่น มีวิธีการหลายแบบดั้งเดิมของการสร้าง
ช่วงความเชื่อมั่นที่สุดของแนวทางที่มุ่งเน้นพื้นที่พารามิเตอร์จำกัดค่า
ธรรมชาติ แต่ไม่คัน แต่สำหรับความเชื่อมั่นที่เราสามารถสร้างช่วงความเชื่อมั่นสำหรับพารามิเตอร์
จำกัดโดยพิจารณาแยกความเชื่อมั่น
ช่วงเวลาและพื้นที่พารามิเตอร์จำกัด มันอาจจะขาดประโยชน์จากการใช้เพียงพอ