Non è una convenzione, ma molto spesso rappresenta l'insieme dei parametri di una distribuzione.θ
Questo è tutto per un inglese semplice, mostriamo invece degli esempi.
Esempio 1. Volete studiare il lancio di una puntina da disegno vecchio stile (quelli con un grande fondo circolare). Supponi che la probabilità che cada verso il basso sia un valore sconosciuto che chiami . Potresti chiamare una variabile casuale e dire che quando la puntina scende punta verso il basso e quando scende punta verso l'alto. Scriveresti il modelloX X = 1 X = 0θXX=1X=0
P( X= 1 ) = θP( X= 0 ) = 1 - θ ,
e ti interesserebbe stimare (qui, la possibilità che la puntina da disegno cada verso il basso).θ
Esempio 2. Volete studiare la disintegrazione di un atomo radioattivo. In base alla letteratura, sai che la quantità di radioattività diminuisce in modo esponenziale, quindi decidi di modellare il tempo di disintegrazione con una distribuzione esponenziale. Se è il tempo di disintegrazione, il modello èt
f( t ) = θ e- θ t.
Qui è una densità di probabilità, il che significa che la probabilità che l'atomo si disintegri nell'intervallo di tempo è . Ancora una volta, sarai interessato a stimare (qui, il tasso di disintegrazione).( t , t + d t ) f ( t ) d t θf( t )(t,t+dt)f(t)dtθ
Esempio 3. Volete studiare la precisione di uno strumento di pesatura. In base alla letteratura, sai che le misurazioni sono gaussiane, quindi decidi di modellare la pesatura di un oggetto standard da 1 kg come
f(x)=1σ2π−−√exp{−(x−μ2σ)2}.
Qui è la misura data dalla scala, è la densità di probabilità, ei parametri sono e , quindi . Il parametro è il peso target (la bilancia è distorta se ) e è la deviazione standard della misura ogni volta che si pesa l'oggetto. Ancora una volta, sarai interessato a stimare (qui, il pregiudizio e l'imprecisione della scala).xf( x)μσθ = ( μ,σ)μμ ≠ 1σθ