系统不确定性下泊松统计置信区间覆盖问题

本文讨论在系统不确定性存在时置信区间的覆盖问题。这些计算遵循 Cousins & Highland 最初提出的方案，但本文扩展了该方案以考虑不同形状、规模和类型的系统不确定性。还考虑了两种不同的排序方案：一种是 Feldman & Cousins 排序，另一种是 Roe & Woodroofe 提出的对背景期望进行条件化的方案。在无不确定性时，Feldman & Cousins 方法因泊松分布的离散性而产生保险性。对于 Roe & Woodroofe 方法，我们发现低信号期望时存在保险不足。当包含不确定性时，定义覆盖确定的集合非常重要。我们考虑了两种不同的集合，其中集合 A 中所有扰动参数固定，而集合 B 中扰动参数按其不确定性变化。我们还讨论了实现具有可变系统不确定性的集合的细微问题。