Вероятность и статистика · объяснение и практика
Почему интервал Уилсона отличается от обычной симметричной оценки доли
Почему ноль наблюдаемых успехов не означает точно нулевую вероятность и как обращение score-проверки даёт ненулевую границу интервала доли.

В теме Оценивание и проверка гипотез: углубление · Учебная карта
В маршруте Уточнённые выводы по выборке · 10 тем
Главная мысль
Интервал Уилсона получается обращением score-неравенства для биномиальной доли. В отличие от симметричного интервала с ошибкой √(p̂(1−p̂)/n), он не схлопывается в точку при нуле или полном числе успехов.
Неизвестная доля остаётся в выражении для ошибки
Пусть n независимых испытаний имеют одну вероятность успеха p, а наблюдаемая доля равна p̂. Обычная симметричная запись подставляет p̂ даже в стандартную ошибку. При нуле успехов получается нулевая ошибка и интервал [0;0], хотя конечная серия не доказывает, что успех принципиально невозможен.
Score-подход проверяет каждое предполагаемое значение p через неравенство (p̂−p)²≤z²p(1−p)/n. Здесь разброс рассчитывается при проверяемом p. Решая квадратное неравенство относительно неизвестной доли, получаем интервал с центром (p̂+z²/(2n))/(1+z²/n) и соответствующей полушириной. Центр сдвигается от крайних наблюдаемых долей внутрь.
Крайний счёт даёт особенно простую проверку
Возьмём n=12, ноль успехов и для учебного расчёта z=2. Этот квантиль соответствует центральной нормальной массе примерно 95,45%, а не ровно 95%. При p̂=0 неравенство упрощается и даёт нижнюю границу ноль, верхнюю z²/(n+z²)=4/16=1/4. Интервал не объявляет вероятность нулевой после короткой неудачной серии.
Если все двенадцать испытаний успешны, симметрия даёт [3/4;1]. Для внутренних счётов границы тоже остаются внутри [0;1]. Однако слово «интервал» не делает приближение точным: биномиальная дискретность влияет на реальное покрытие. Метод выбирают и называют заранее, а не переключают после просмотра результата ради нужной границы.
Пример
Почему нельзя просто обрезать обычный интервал до [0;1] и назвать его Уилсоном?
Уилсон меняет само неравенство, центр и ширину. Обрезание невозможных концов не воспроизводит эту процедуру и не устраняет схлопывание при p̂=0.
Количество испытаний и единичная вероятность — условия модели
Число испытаний должно быть положительным, а успехи — целым числом от нуля до n. При n=0 данные вообще не задают наблюдаемую долю. Если результаты зависимы или вероятность меняется между испытаниями, биномиальная формула перестаёт автоматически описывать ошибку. Повторение одного объекта не всегда равно новым независимым испытаниям.
Точный по биномиальному распределению интервал и интервал Уилсона — разные методы, даже если иногда дают близкие границы. «Точный» также не означает самый узкий: некоторые процедуры консервативны. Читателю полезно видеть счёт успехов, общий размер, уровень, метод и модельные ограничения вместе, а не только две цифры с неопределённым обещанием надёжности.
От чтения к действию
А теперь — вы
Частые вопросы
Какой ответ при полном числе успехов?
По симметрии относительно p=1/2 получается интервал у верхней границы, а не единственная точка один.
Гарантирует ли Уилсон ровно номинальное покрытие для каждого p?
Нет. Это score-интервал с приближённой калибровкой; дискретный биномиальный закон даёт неодинаковое покрытие при разных параметрах.
Источники и работа с материалом
Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.
Продолжить разбираться
Чем байесовский вероятностный интервал отличается от доверительной процедуры
Чем вероятность параметра после наблюдения отличается от покрытия повторяемой процедуры и почему одинаковые численные границы ещё не делают две интерпретации одной.
Открыть темуКак отношение максимумов правдоподобия сравнивает вложенные модели
Как ограниченная модель сравнивается с полной по максимумам правдоподобия, зачем берут отрицательный логарифм отношения и когда нельзя автоматически использовать χ².
Открыть тему