There are several competing interpr

There are several competing interpretations of the actual "meaning" of probabilities. Frequentists view probability simply as a measure of the frequency of outcomes (the more conventional interpretation), while Bayesians treat probability more subjectively as a statistical procedure that endeavors to estimate parameters of an underlying distribution based on the observed distribution.

A properly normalized function that assigns a probability "density" to each possible outcome within some interval is called a probability density function (or probability distribution function), and its cumulative value (integral for a continuous distribution or sum for a discrete distribution) is called a distribution function (or cumulative distribution function).

A variate is defined as the set of all random variables that obey a given probabilistic law. It is common practice to denote a variate with a capital letter (most commonly X). The set of all values that X can take is then called the range, denoted R_X (Evans et al. 2000, p. 5). Specific elements in the range of X are called quantiles and denoted x, and the probability that a variate X assumes the element x is denoted P(X=x).

ผลลัพธ์ (ไทย) 1:

มีหลายคู่แข่งดัดของจริง "ความหมาย" ของน่าจะ Frequentists ดูน่าเป็นเพียงแค่เป็นการวัดความถี่ของผล (ทั่วไปตี), ในขณะที่ Bayesians รักษาความน่าเป็นทำจิตใจเป็นกระบวนการทางสถิติที่ความพยายามประมาณค่าพารามิเตอร์ของการกระจายอยู่ตามการกระจายจากการสังเกตฟังก์ชันมาตรฐานที่ถูกต้องที่กำหนดความน่าเป็น "หนาแน่น" ให้แต่ละผลลัพธ์ที่เป็นไปได้ในบางช่วง เรียกว่าฟังก์ชันความหนาแน่นของความน่าเป็น (หรือฟังก์ชันการแจกแจงความน่าเป็น), และค่าสะสม (หนึ่งกระจายอย่างต่อเนื่องหรือผลรวมสำหรับการกระจายแยกกัน) จะเรียกฟังก์ชัน (หรือฟังก์ชัน)Variate ถูกกำหนดเป็นชุดของตัวแปรสุ่มทั้งหมดที่เชื่อฟังกฎหมาย probabilistic กำหนด เป็นการทั่วไปจะแสดง variate ด้วยตัวอักษรพิมพ์ใหญ่ (มากที่สุด X) การตั้งค่าทั้งหมดที่ X สามารถถูกเรียกช่วง ระบุ R_X (อีวานส์ et al. 2000, p. 5) เรียกว่า quantiles และระบุองค์ประกอบเฉพาะในช่วง X x และความน่าเป็นว่า variate X สันนิษฐานว่าองค์ประกอบที่ระบุ x P(X=x)

ผลลัพธ์ (ไทย) 2:

มีหลายการตีความของการแข่งขันที่เกิดขึ้นจริง "ความหมาย" ของความน่าจะเป็น Frequentists ดูความน่าจะเป็นก็เป็นตัวชี้วัดของความถี่ของผล (การตีความธรรมดา) ในขณะที่ Bayesians รักษาความน่าจะเป็นมากขึ้นผู้กระทำเป็นขั้นตอนทางสถิติที่พยายามที่จะประมาณค่าพารามิเตอร์ของการกระจายพื้นฐานอยู่บนพื้นฐานของการกระจายสังเกต. ฟังก์ชั่นปกติอย่างถูกต้องที่กำหนด ความน่าจะเป็น "ความหนาแน่น" เพื่อผลในแต่ละไปได้ภายในช่วงเวลาบางอย่างที่เรียกว่าฟังก์ชั่นความหนาแน่นของความน่าจะเป็น (หรือฟังก์ชันการแจกแจงความน่าจะเป็น) และค่าสะสมของมัน (หนึ่งสำหรับการกระจายอย่างต่อเนื่องหรือผลรวมสำหรับการกระจายที่ไม่ต่อเนื่อง) เรียกว่าฟังก์ชั่นการกระจาย (หรือสะสม ฟังก์ชั่นการกระจาย). ตัวแปรถูกกำหนดให้เป็นชุดของตัวแปรสุ่มทั้งหมดที่เชื่อฟังกฎหมายน่าจะได้รับ มันเป็นเรื่องธรรมดาที่จะแสดงว่าตัวแปรด้วยอักษรตัวใหญ่ A (มากที่สุด X) ชุดของค่าทั้งหมดที่ X สามารถใช้แล้วเรียกว่าช่วงชี้แนะ R_X (อีแวนส์ et al. 2000 พี. 5) องค์ประกอบเฉพาะในช่วงของ X จะเรียกว่า quantiles และแสดง X และน่าจะเป็นที่ตัวแปร X ถือว่าองค์ประกอบ X จะแสดง P (X = x)

ผลลัพธ์ (ไทย) 3:

มีหลายตัวแปรของการแข่งขันจริง " ความหมาย " ของความน่าจะเป็น frequentists ความน่าจะเป็นดูเป็นเพียงการวัดความถี่ของผล ( การตีความมากกว่าปกติ ) ในขณะที่ bayesians รักษาความน่าจะเป็นมากขึ้นอย่างเป็นขั้นตอนทางสถิติว่า endeavors เพื่อประมาณค่าพารามิเตอร์ของการแจกแจงพื้นฐานตามลักษณะการกระจายเป็นฟังก์ชันที่กำหนดอย่างถูกต้อง ปกติความ " หนาแน่น " กับแต่ละที่เป็นไปได้ผลภายในบางช่วงเรียกว่าฟังก์ชันความหนาแน่นของความน่าจะเป็น ( หรือฟังก์ชันความน่าจะเป็นการแจกแจง ) และค่าสะสมของ Integral สำหรับต่อเนื่องกระจายหรือผลรวมการแจกแจงไม่ต่อเนื่อง ) เรียกว่าการกระจายฟังก์ชัน ( หรือฟังก์ชันการแจกแจงสะสม )เป็น variate หมายถึง ชุดของทั้งหมดที่ได้รับการสุ่มตัวแปรที่ทำตามกฎหมาย มันเป็นเรื่องธรรมดาที่จะแสดง variate ด้วยอักษรตัวใหญ่ ( มัก X ) ชุดของค่าทั้งหมดที่ X สามารถใช้เป็นแล้ว เรียกว่า ช่วง กล่าวคือ r_x ( อีแวนส์ et al . 2543 , หน้า 5 ) องค์ประกอบเฉพาะในช่วงของ x และ x แทน เรียกว่า quantiles และโอกาสที่ variate X ถือว่า ธาตุ X เป็นเครื่องหมาย P ( X = X )