Nó không phải là quy ước, nhưng khá thường xuyên là viết tắt của tập hợp các tham số của phân phối.θ
Đó là nó cho tiếng Anh đơn giản, thay vào đó hãy hiển thị các ví dụ.
Ví dụ 1. Bạn muốn nghiên cứu việc ném một cái đinh bấm kiểu cũ (những cái có đáy tròn lớn). Bạn cho rằng xác suất mà nó rơi xuống điểm là một giá trị không rõ mà bạn gọi . Bạn có thể gọi một biến ngẫu nhiên X và nói rằng X = 1 khi ngón tay cái rơi xuống và X = 0 khi nó rơi xuống. Bạn sẽ viết mô hìnhθXX= 1X= 0
P( X= 1 ) = θP( X= 0 ) = 1 - θ ,
và bạn sẽ quan tâm đến việc ước tính (ở đây, proability rằng đinh bấm rơi điểm xuống).θ
Ví dụ 2. Bạn muốn nghiên cứu sự tan rã của một nguyên tử phóng xạ. Dựa trên tài liệu, bạn biết rằng lượng phóng xạ giảm theo cấp số nhân, vì vậy bạn quyết định mô hình hóa thời gian để phân rã với phân bố theo cấp số nhân. Nếu là thời gian để tan rã, mô hình làt
f( t ) = θ e- θ t.
Ở đây là mật độ xác suất, có nghĩa là xác suất nguyên tử tan rã trong khoảng thời gian ( t , t + d t ) là f ( t ) d t . Một lần nữa, bạn sẽ được quan tâm trong việc ước tính θ (ở đây, tỷ lệ tan rã).f( t )( t , t + dt )f( t ) dtθ
Ví dụ 3. Bạn muốn nghiên cứu độ chính xác của dụng cụ cân. Dựa trên tài liệu, bạn biết rằng phép đo là Gaussian nên bạn quyết định mô hình hóa trọng lượng của vật thể 1 kg tiêu chuẩn như
f( x ) = 1σ2 π--√điểm kinh nghiệm{ - ( x - μ2 σ)2} .
Ở đây là thước đo cho bởi quy mô, f ( x ) là mật độ xác suất, và các thông số là μ và σ , vì vậy θ = ( μ , σ ) . Các paramter μ là trọng lượng mục tiêu (quy mô được thiên vị nếu μ ≠ 1 ), và σ là độ lệch chuẩn của các biện pháp mỗi khi bạn cân nhắc đối tượng. Một lần nữa, bạn sẽ được quan tâm trong việc ước tính θ (ở đây, thiên vị và không chính xác về quy mô).xf( x )μσθ = ( μ , σ)μL ≠ 1σθ