Minitabで単一の母比率の推定を向上させる4つの新しい方法 

基本統計における一般的な問題は、ある母集団におけるある特徴を持つ個体の割合を推定することです。例えば、品質エンジニアは、特定の日に大量生産された大量のユニットにおける欠陥の割合を推定したいと考えるかもしれません。医学科学者は、特定の病原体に対してワクチン接種を受けたにもかかわらず関連疾患にかかった人の割合を調査したいと思うかもしれません。選挙運動管理者は、候補者に投票する予定の登録有権者の割合に興味を持つかもしれません。 

この問題の最もよく知られている区間推定方法は、Wald信頼区間（CI）およびClopper-Pearson exact（1934）CIと呼ばれる教科書的な正規近似法です。一方では、Wald CIは、CIの実際の信頼水準（またはカバレッジ確率）が目標名目水準をかなり下回るという点で、特に真の割合が0または1に近い場合、極めてリベラルです（図1を参照）。他方で、正確なClopper-Pearson CIは、CIの実際の信頼度（またはカバレッジ確率）が目標名目レベルをはるかに上回っているという点で過度に保守的です。これらの方法はいずれも、もはや実用的な用途には使用すべきではありません（Agresti-Coull, 1998; Brown et al., 2001を参照）。 

しかし、近年では中間カバレッジの可能性がより高く、より良いCI手法の開発に大きな役割を果たしています。例えば、Agresti-Coull近似CIはWald CIの調整であり、Blaker（2000、2001）の正確なCIはClopper-Pearson信頼限界を反復数値アルゴリズムの開始推定値として使用します。これらの新しく改善された方法を念頭において、Minitabは、調整されたBlaker CIおよび試験方法、Wilson/スコアCIおよび試験方法（連続性補正ありおよびなし）、ならびにAgresti-Coull CIおよび試験方法の4つの方法を含むように、単一の母比率を推定するための統計ツールを更新しました。さらに、これらの各方法について、MinitabはCIとテストが一貫した結果をもたらすことを保証します。