স্বাভাবিক গড়ার জন্য আত্মবিশ্বাস ব্যবধান। ধরুন আমাদের কাছে সাধারণ জনসংখ্যার একটি র্যান্ডম নমুনা X1,X2,…Xn । স্বাভাবিক গড় জন্য আস্থা ব্যবধান যাক চেহারা μ হাইপোথিসিস টেস্টিং পরিপ্রেক্ষিতে। তাহলে σ পরিচিত হয়, তারপর একটি দ্বি-পার্শ্বযুক্ত পরীক্ষা H0:μ=μ0 বিরুদ্ধে Ha:μ≠μ0 পরিসংখ্যাত উপর ভিত্তি করে তৈরি Z=X¯−μ0σ/n√.যখনH0টি সত্য হয়,Z∼Norm(0,1),তাই আমরাH05% স্তরেপ্রত্যাখ্যান করিযদি|Z|≥1.96.
তারপর 'পরীক্ষা ইনভার্টারিং', আমরা বলতে যে জন্য একটি 95% সি আই μ মান নিয়ে গঠিত μ0 যে প্রত্যাখ্যান হতে না - 'বিশ্বাসযোগ্য' মান μ.সিআই the এক্স ± 1.96 σ / form X¯±1.96σ/n−−√,যেখানে±1.96কাটা সম্ভাব্যতা 0.025 উচ্চ এবং নিম্ন মুদ্রার উলটা পিঠ থেকে, যথাক্রমে আদর্শ সাধারন বন্টনের করুন।
জনসংখ্যা স্ট্যানডার্ড ডেভিয়েশন তাহলে σ অজানা এবং নমুনা স্ট্যানডার্ড ডেভিয়েশন দ্বারা অনুমান করা হয় S, তারপর আমরা পরিসংখ্যাত ব্যবহার T=X¯−μ0S/n√.আগেই 1900 মানুষের অনুমিত যেTপ্রায় মান স্বাভাবিকnবৃহৎ যথেষ্ট এবং ব্যবহৃতSঅজানা জন্য একটি বিকল্প হিসেবেσ.যথেষ্ট পরিমাণেকত বড়গণনাতা নিয়ে বিতর্ক ছিল।
অবশেষে, এটি জানা গেল যে T∼T(ν=n−1), শিক্ষার্থীর টি বিতরণ n−1 ডিগ্রি সহ স্বাধীনতা। সেই অনুযায়ী, যখন σ জানা যায় না, আমরা ব্যবহার X¯±t∗S/n−−√,যেখানে±t∗উচ্চ এবং নিম্ন মুদ্রার উলটা পিঠ থেকে কাটা সম্ভাব্যতা 0.025 যথাক্রমে, এরT(n−1).
[ নোট: জন্য n>30, মানুষ যে জন্য 95% সিআইএস লক্ষ্য করেছি t∗≈2≈1.96.সুতরাং শতাব্দী প্রাচীন ধারণাটি যে আপনি কেবলমাত্র " S " কে σ যখন σ অজানা এবং n>30, জন্য প্রতিস্থাপন করতে পারেন , এটি সম্প্রতি প্রকাশিত কয়েকটি বইতেও অজানা রয়েছে]]
Xnp^=X/np.H0:p=p0Ha:p≠p>0,Z=p^−p0p0(1−p0)/n√.H0,Z∼aprxNorm(0,1). So we reject H0 if |Z|≥1.96.
If we seek to invert this test to get a 95% CI for p, we run into some difficulties. The 'easy' way to invert the test is to
start by writing p^±1.96p(1−p)n−−−−−√. But his is useless because the value of p under the square root is unknown. The traditional Wald CI assumes that, for sufficiently large n, it is OK to substitute p^ for unknown p. Thus the Wald CI is of the form p^±1.96p^(1−p^)n−−−−−√. [Unfortunately, the Wald interval works well only if the number of trials n is at least several hundred.]
More carefully, one can solve a somewhat messy quadratic inequality to 'invert the test'. The result is the Wilson interval. (See Wikipedia.) For a 95% confidence interval a somewhat simplified version of this result comes from
defining nˇ=n+4 and pˇ=(X+2)/nˇ and then computing the interval as pˇ±1.96pˇ(1−pˇ)nˇ−−−−−√.
This style of binomial confidence interval is widely known as the Agresti-Coull interval; it has been widely advocated in elementary textbooks for about the last 20 years.
In summary, one way to look at your question is that CIs for normal μ and binomial p can be viewed as inversions of tests.
(a) The t distribution provides an exact solution to the problem of needing to use S for σ when σ is unknown.
(b) Using p^ for p requires some care because the mean and variance of p^ both depend on p. The Agresti-Coull CI provides one serviceable way to get CIs for binomial p that are reasonably accurate even for moderately small n.