Mam detektor, który wykryje zdarzenie z pewnym prawdopodobieństwem p . Jeśli wykrywacz powie, że zdarzenie miało miejsce, zawsze tak jest, więc nie ma fałszywych trafień. Po uruchomieniu przez pewien czas wykryto k zdarzeń. Chciałbym obliczyć całkowitą liczbę zdarzeń, które miały miejsce, zostały wykryte lub w inny sposób, z pewną pewnością, powiedzmy 95%.
Załóżmy na przykład, że wykryto 13 zdarzeń. Chciałbym móc obliczyć, że miało miejsce od 13 do 19 zdarzeń z 95% pewnością na podstawie p .
Oto, co próbowałem do tej pory:
Prawdopodobieństwo wykrycia k zdarzeń, jeśli n było łącznie, wynosi:
binomial(n, k) * p^k * (1 - p)^(n - k)
Suma tego ponad n od k do nieskończoności wynosi:
1/p
Co oznacza, że prawdopodobieństwo wystąpienia n zdarzeń ogółem wynosi:
f(n) = binomial(n, k) * p^(k + 1) * (1 - p)^(n - k)
Więc jeśli chcę mieć 95% pewności, powinienem znaleźć pierwszą sumę częściową, f(k) + f(k+1) + f(k+2) ... + f(k+m)
która wynosi co najmniej 0,95, a odpowiedź brzmi [k, k+m]
. Czy to jest właściwe podejście? Czy istnieje również zamknięta formuła odpowiedzi?
źródło
Myślę, że źle zrozumiałeś cel przedziałów ufności. Przedziały ufności pozwalają ocenić, gdzie znajduje się prawdziwa wartość parametru. Tak więc w twoim przypadku możesz zbudować przedział ufności dla . Nie ma sensu konstruować przedziału dla danych.p
Powiedziawszy to, po oszacowaniu możesz obliczyć prawdopodobieństwo, że zaobserwujesz różne realizacje, takie jak 14, 15 itd., Używając dwumianowego pdf.p
źródło