အမှတ်ခန့်မှန်းချက်ဂဏန်းတွက်စက်
အမှတ်ခန့်မှန်းချက်သည် လူဦးရေကန့်သတ်ချက်တစ်ခု၏ ကျွန်ုပ်တို့၏ “ အကောင်းဆုံး ခန့်မှန်းချက်” ကို ကိုယ်စားပြုသည်။
ဥပမာအားဖြင့်၊ နမူနာဆိုလိုအား လူဦးရေတစ်ခု၏ ခန့်မှန်းချက်အမှတ်အဖြစ် သုံးနိုင်သည်။
အလားတူ၊ နမူနာအချိုးကို လူဦးရေအချိုးအစား ခန့်မှန်းချက်အဖြစ် သုံးနိုင်သည်။ သို့သော်လည်း လူဦးရေအချိုးအစား ခန့်မှန်းတွက်ချက်ရန် နည်းလမ်းများစွာ ရှိပြီး၊ အပါအဝင်၊
ခန့်မှန်း MLE အမှတ် : x / n
ခန့်မှန်း Wilson အမှတ် : (x + z 2 /2) / (n + z 2 )
Jeffrey Point ခန့်မှန်းချက် : (x + 0.5) / (n + 1)
Laplace အမှတ်၏ ခန့်မှန်းချက် : (x + 1) / (n + 2)
x သည် နမူနာရှိ ” hits ” အရေအတွက်ဖြစ်ပြီး n သည် နမူနာအရွယ်အစား သို့မဟုတ် စမ်းသပ်မှုအရေအတွက်ဖြစ်ပြီး z သည် ယုံကြည်မှုအဆင့်နှင့်ဆက်စပ်နေသည့် z-score ဖြစ်သည်။
အကောင်းဆုံး ခန့်မှန်းချက်ကို ရှာရန်၊ အောင်မြင်မှု အရေအတွက်၊ စမ်းသပ်မှု အရေအတွက် နှင့် ယုံကြည်မှု အဆင့်များအတွက် တန်ဖိုးများကို အောက်ဖော်ပြပါ အကွက်များတွင် ထည့်ပါ၊ ထို့နောက် “ တွက်ချက်မည်” ခလုတ်ကို နှိပ်ပါ။
အကောင်းဆုံး ခန့်မှန်းချက် = 0.45695
ခန့်မှန်း MLE အမှတ် = 0.45161
ခန့်မှန်း Wilson Point = 0.45695
Jeffrey အမှတ် ခန့်မှန်းချက် = 0.45313
ခန့်မှန်းခြေ Laplace အမှတ် = 0.45455
ဤဂဏန်းတွက်စက်သည် မည်သည့်အမှတ်ခန့်မှန်းခြေကို အသုံးပြုရန် အကောင်းဆုံးဖြစ်သည်ကို ဆုံးဖြတ်ရန် အောက်ပါယုတ္တိဗေဒကို အသုံးပြုသည်-
x/n ≤ 0.5 ဖြစ်ပါက၊ Wilson အမှတ်ခန့်မှန်းချက်ကို အသုံးပြုပါ။
မဟုတ်ရင် x/n < 0.9 ဆိုရင် MLE point estimation ကိုသုံးပါ။
မဟုတ်ပါက၊ x/n < 1.0 ဆိုလျှင်၊ Jeffrey Point သို့မဟုတ် Laplace Point Estimate ၏အသေးဆုံးကို အသုံးပြုပါ။
မဟုတ်ရင် x/n = 1.0 ဆိုရင် Laplace point estimation ကိုသုံးပါ။
စာရေးသူအကြောင်း
Benjamin Anderson
မင်္ဂလာပါ၊ ကျွန်ုပ်သည် အငြိမ်းစား စာရင်းအင်း ပါမောက္ခ ဘင်ဂျမင်ဖြစ်ပြီး သီးသန့် Statorials ဆရာအဖြစ် လှည့်ပတ်ပါသည်။ စာရင်းဇယားနယ်ပယ်တွင် ကျယ်ပြန့်သောအတွေ့အကြုံနှင့် ကျွမ်းကျင်မှုနှင့်အတူ၊ Statorials မှတစ်ဆင့် ကျောင်းသားများကို ခွန်အားဖြစ်စေရန်အတွက် ကျွန်ုပ်၏အသိပညာကို မျှဝေလိုပါသည်။ ပိုသိတယ်။