Bu bir kongre değil, ama oldukça sık bir dağılımın parametrelerinin kümesini simgeler.θ
Basit İngilizce içindi, bunun yerine örnekleri gösterelim.
Örnek 1. Eski moda bir raptiyenin (büyük dairesel tabanlı olanlar) atışını incelemek istiyorsunuz. Aşağı düşme olasılığının adlandırdığınız bilinmeyen bir değer olduğunu varsayıyorsunuz . Rastgele bir X değişkeni çağırabilir ve X = 1 diyebilirsinizθXX=1 ve raptiye düştüğünde , düştüğünde . Modeli yazardınX=0
P(X=1)=θP(X=0)=1−θ,
ve (burada, raptiyenin düşme olasılığı) tahmin etmekle ilgilenirsiniz .θ
Örnek 2. Radyoaktif bir atomun parçalanmasını incelemek istersiniz. Literatüre dayanarak, radyoaktivite miktarının katlanarak azaldığını biliyorsunuz, bu nedenle üstel dağılımla parçalanma zamanını modellemeye karar veriyorsunuz. Eğer dağılma zamanı ise, modelt
f(t)=θe−θt.
Burada bir olasılık yoğunluk, olan araçlarının atomu zaman aralığı içinde dağılır olasılığı ( t , t + d t ) olan f ( t ) d t . Yine, θ (burada, parçalanma oranı) tahmin etmekle ilgileneceksiniz .f(t)(t,t+dt)f(t)dtθ
Örnek 3. Bir tartı aletinin hassasiyetini incelemek istiyorsunuz. Literatüre dayanarak, ölçümün Gaussian olduğunu biliyorsunuz, bu nedenle standart 1 kg'lık bir nesnenin tartımını
f(x)=1σ2π−−√exp{−(x−μ2σ)2}.
Burada , ölçek tarafından verilen ölçüdür, f ( x ) olasılık yoğunluğudur ve parametreler μ ve σ , yani θ = ( μ , σ ) . Μ parametresi hedef ağırlıktır ( μ ≠ 1 ise ölçek önyargılıdır ) ve σ , nesneyi her tarttığınızda ölçünün standart sapmasıdır. Yine, tahmin etmekle ilgileneceksiniz θxf(x)μσθ=(μ,σ)μμ≠1σθ (burada, ölçeğin önyargısı ve belirsizliği) .