我不确定您是否可以认为这是一个完整的答案，因此您可以仔细检查自己，但是，就这样。

根据置信区间的定义，

在计算置信区间 (CI)时，有将落在计算的 CI 内，$X\%$$X\%$$y$

然后您可以合成一个您知道真实参数值的实验，然后模拟噪声（基于假设的似然函数）假设次。当您进行拟合并计算置信区间时，应该在的时间范围内。如果这在很大程度上失败或成功，那么它会影响决策。$y$$P=1000$$X\%$$y$$X\%$

另一方面，给定可信区间的定义，其中

给定观察到的数据，落在可信区间内的概率$X\%$$y$$X\%$

代表着

• 您必须综合个不同的参数（这是您的真实值），$P$$\{y_p\}_{p=1,\ldots,P}$
• 使用贝叶斯估计次求解，$P$
• 计算每个 (次)$X\%$$P$
• 并期望真值应落在可信区间内。$X\%$$y_p$

注： 上述场景中和$P$$X$

总而言之，为了能够公平地比较可信区间和置信区间，您需要遵循它们的定义。在频率论方法中，您假设一组固定的参数（记住频率论者假设参数是固定的）并模拟测量（数据）中的噪声，而在贝叶斯方法中，您假设您的数据是固定的，因此您必须“随机化”参数。如果您遵循这种方法，则可以公平地比较可信区间和置信区间（无论先验分布如何）。