Table 5.

Coverage probabilities and (expected widths) of 95% PIs for the mean of a future sample size m (large sample size n).

		Wald	M-Wald	Likelihood	JS-PI	Wald	M-Wald	Likelihood	JS-PI
$\mu =3$
n	m	$\theta =.5$				$\theta =1$
100	5	.942(8.13)	.942(8.14)	.943(8.22)	.951(8.25)	.949(6.15)	.950(6.15)	.951(6.17)	.956(6.18)
125	10	.945(5.81)	.945(5.82)	.949(5.88)	.951(5.91)	.947(4.43)	.947(4.43)	.948(4.44)	.950(4.45)
150	10	.948(5.80)	.948(5.80)	.950(5.85)	.952(5.87)	.950(4.40)	.950(4.40)	.952(4.41)	.951(4.41)
175	20	.944(4.19)	.944(4.20)	.947(4.22)	.951(4.24)	.948(3.19)	.948(3.19)	.948(3.19)	.949(3.20)
200	20	.946(4.17)	.947(4.17)	.948(4.19)	.953(4.21)	.944(3.16)	.944(3.16)	.946(3.17)	.948(3.17)
n	m	$\theta =4$				$\theta =10$
100	5	.947(4.09)	.947(4.09)	.946(4.08)	.947(4.08)	.947(3.54)	.947(3.54)	.947(3.53)	.948(3.53)
125	10	.949(2.93)	.950(2.94)	.949(2.93)	.950(2.93)	.950(2.53)	.951(2.53)	.950(2.53)	.951(2.53)
150	10	.951(2.92)	.951(2.93)	.951(2.92)	.951(2.92)	.950(2.52)	.950(2.52)	.949(2.51)	.948(2.51)
175	20	.950(2.11)	.950(2.12)	.950(2.11)	.950(2.11)	.948(1.82)	.948(1.82)	.947(1.82)	.947(1.82)
200	20	.952(2.10)	.952(2.10)	.952(2.09)	.952(2.09)	.951(1.81)	.951(1.81)	.952(1.81)	.951(1.81)
$\mu =7$
n	m	$\theta =.5$				$\theta =1$
100	5	.940(18.1)	.940(18.11)	.942(18.3)	.950(18.4)	.954(13.3)	.954 13.3)	.954(13.3)	.957(13.4)
125	10	.946(13.0)	.946(13.05)	.950(13.1)	.957(13.3)	.943(9.56)	.943 9.57)	.944(9.60)	.948(9.62)
150	10	.947(12.9)	.947(12.99)	.951(13.0)	.958(13.3)	.951(9.52)	.952 9.53)	.952(9.55)	.954(9.57)
175	20	.944(9.38)	.944(9.39)	.947(9.44)	.951(9.49)	.944(6.89)	.944 6.89)	.947(6.91)	.949(6.92)
200	20	.947(9.33)	.947(9.34)	.950(9.38)	.953(9.42)	.951(6.84)	.951 6.85)	.952(6.86)	.954(6.87)
n	m	$\theta =4$				$\theta =10$
100	5	.946(7.85)	.947(7.85)	.947(7.83)	.948(7.83)	.940(6.16)	.941(6.17)	.940(6.14)	.941(6.14)
125	10	.951(5.62)	.951(5.63)	.951(5.61)	.952(5.62)	.951(4.43)	.951(4.44)	.950(4.42)	.950(4.42)
150	10	.948(5.60)	.948(5.60)	.949(5.59)	.949(5.59)	.950(4.40)	.950(4.40)	.949(4.39)	.950(4.39)
175	20	.950(4.04)	.950(4.05)	.949(4.04)	.950(4.04)	.949(3.18)	.949(3.18)	.949(3.17)	.949(3.17)
200	20	.945(4.02)	.945(4.03)	.946(4.02)	.947(4.02)	.951(3.16)	.951(3.17)	.950(3.16)	.950(3.16)
$\mu =12$
n	m	$\theta =.5$				$\theta =1$
100	5	.941(30.6)	.941(30.7)	.941(31.0)	.949(31.1)	.949(22.2)	.949(22.2)	.951(22.3)	.956(22.3)
125	10	.944(22.0)	.944(22.0)	.949(22.2)	.954(22.3)	.945(15.9)	.945(15.9)	.947(15.9)	.949(16.0)
150	10	.948(21.9)	.949(21.9)	.951(22.1)	.956(22.2)	.949(15.9)	.949(15.9)	.952(15.9)	.954(15.9)
175	20	.943(15.8)	.943(15.8)	.944(15.9)	.950(16.0)	.945(11.4)	.945(11.5)	.946(11.5)	.948(11.5)
200	20	.952(15.7)	.952(15.7)	.954(15.8)	.957(15.9)	.949(11.4)	.949(11.4)	.949(11.4)	.951(11.4)
n	m	$\theta =4$				$\theta =10$
100	5	.946(12.3)	.947(12.4)	.947(12.3)	.949(12.3)	.947(9.19)	.947(9.20)	.945(9.16)	.945(9.16)
125	10	.947(8.89)	.947(8.90)	.946(8.87)	.947(8.87)	.945(6.60)	.946(6.61)	.944(6.58)	.944(6.58)
150	10	.944(8.84)	.945(8.84)	.944(8.82)	.945(8.83)	.948(6.56)	.948(6.56)	.947(6.54)	.948(6.54)
175	20	.950(6.39)	.951(6.40)	.950(6.38)	.950(6.39)	.947(4.74)	.948(4.75)	.946(4.73)	.948(4.73)
200	20	.949(6.35)	.949(6.35)	.949(6.34)	.950(6.34)	.948(4.71)	.948(4.71)	.948(4.70)	.948(4.70)