अंकन और बीच के अर्थ में क्या अंतर है जो आमतौर पर कई पुस्तकों और कागजात में उपयोग किया जाता है?
अंकन और बीच के अर्थ में क्या अंतर है जो आमतौर पर कई पुस्तकों और कागजात में उपयोग किया जाता है?
जवाबों:
मेरा मानना है कि इसका मूल कारण प्रतिमान है (हालांकि मैंने नीचे की वास्तविक ऐतिहासिक शुद्धता की जांच नहीं की है, यह समझने का एक उचित तरीका है कि आईओटी कैसे आया)।
मान लें कि एक प्रतिगमन सेटिंग में, आपके पास एक वितरण होगा: p (Y | x, beta) जिसका अर्थ है: यदि आप x और बीटा मानों को जानते हैं तो Y का वितरण।
यदि आप बेटस का अनुमान लगाना चाहते हैं, तो आप संभावना को अधिकतम करना चाहते हैं: एल (बीटा; वाई; एक्स) = पी (वाई | एक्स, बीटा) अनिवार्य रूप से, अब आप अभिव्यक्ति पी (वाई | एक्स, बीटा) के रूप में देख रहे हैं। बीटा का एक फ़ंक्शन, लेकिन इसके अलावा, कोई अंतर नहीं है (गणितीय सही अभिव्यक्ति के लिए जिसे आप ठीक से प्राप्त कर सकते हैं, यह एक आवश्यकता है --- हालांकि व्यवहार में कोई परेशान करता है)।
फिर, बायेसियन सेटिंग्स में, मापदंडों और अन्य चर के बीच का अंतर जल्द ही फीका पड़ जाता है, इसलिए किसी ने आपको दोनों नोटों का उपयोग करना शुरू कर दिया है।
तो, संक्षेप में: कोई वास्तविक अंतर नहीं है: वे दोनों बाईं ओर चीज़ के सशर्त वितरण को इंगित करते हैं, दाईं ओर चीज़ (ओं) पर सशर्त।
बिंदु पर यादृच्छिक चर का घनत्व है के साथ, वितरण का पैरामीटर जा रहा है। च ( एक्स , θ ) के संयुक्त घनत्व है एक्स और Θ बिंदु पर ( एक्स , θ ) और केवल समझ में आता है, तो Θ एक यादृच्छिक चर रहा है। च ( एक्स | θ ) की सशर्त वितरण है एक्स दिया Θ , और फिर से, सिर्फ तभी समझ में आता है Θएक यादृच्छिक चर है। यह बहुत स्पष्ट हो जाएगा जब आप पुस्तक में आगे बढ़ेंगे और बेयसियन विश्लेषण को देखेंगे।
के रूप में ही है , बस जिसका अर्थ है कि एक निश्चित पैरामीटर है और समारोह की एक समारोह है । , OTOH, कार्यों में से एक परिवार के (या सेट), जहां तत्वों द्वारा अनुक्रमित रहे हैं का एक तत्व है । एक सूक्ष्म अंतर, शायद, लेकिन एक महत्वपूर्ण एक, esp। जबज्ञात डेटा x के आधार परअज्ञात पैरामीटर का अनुमान लगाने का समय आता है; उस समय, θ बदलता है और xतय किया गया है, जिसके परिणामस्वरूप "संभावना समारोह" है। का प्रयोग सांख्यिकीविदों के बीच आम है, जबकि है गणितज्ञों के बीच।
हालांकि यह हमेशा इस तरह, इन दिनों नहीं किया गया है आम तौर पर जब प्रयोग किया जाता है घ , डब्ल्यू (है, जो कहना है कि वे जाने जाते रहे हैं नहीं है जरूरी) यादृच्छिक परिवर्तनीय नहीं हैं। पी ( z | घ , डब्ल्यू ) के मूल्यों पर कंडीशनिंग इंगित करता है घ , डब्ल्यू । कंडीशनिंग रैंडम वेरिएबल्स पर एक ऑपरेशन है और इस तरह इस नोटेशन का उपयोग करते हुए जब d , w रैंडम वैरिएबल नहीं हैं (और दुखद आम है)।
@Nick Sabbe बताते हैं मनाया डेटा के नमूने वितरण के लिए एक आम अंकन है y । कुछ आव्रजनकर्ता इस संकेतन का उपयोग करेंगे, लेकिन जोर देते हैं कि random एक यादृच्छिक चर नहीं है, जो एक दुरुपयोग आईएमओ है। लेकिन उनका वहां कोई एकाधिकार नहीं है; मैंने देखा है कि Bayesians भी इसे करते हैं, सशर्त के अंत में फिक्स्ड हाइपरपरमेटर्स से निपटते हैं।