For the Bernoulli distribution (x;θ

For the Bernoulli distribution (x;θ)=θ^x 〖(1-θ)〗^(1-x) , where x is 0 or 1, and ⊝ is the interval [0, 1]. Hence constraints (3d) become 0≤θ_L≤θ_H≤1. A sufficient statistic to estimate θ is T=∑▒X_i, where T has a binomial distribution.

ผลลัพธ์ (ไทย) 1:

สำหรับการกระจาย Bernoulli (x; θ) = x
θ〖 (1-θ) 〗
(1-x) โดยที่ x คือ 0 หรือ 1 และ⊝เป็นช่วง [0, 1] จำกัด จึง (3d) กลายเป็น 0 ≤≤θ_lθ_h≤ 1 สถิติเพียงพอที่จะประเมินθคือ t = Σ▒ x_i ที่ทีมีการกระจายทวินาม

ผลลัพธ์ (ไทย) 2:

แจก Bernoulli (x θ) =θ
x 〖(1-θ)〗
(1-x) โดยที่ x คือ 0 หรือ 1 และ⊝เป็นช่วง [0, 1] ดังนั้นข้อจำกัด (3d) เป็น 0≤θ_L≤θ_H≤1 สถิติพอประเมินθคือ T = ∑▒X_i ที่ T มีการแจกแจงทวินาม

ผลลัพธ์ (ไทย) 3:

สำหรับการกระจาย bernoulli ( x θ)=θ
x 〖( 1 - θ)〗
( 1 - x )ที่ X เป็น 0 หรือ 1 และ⊝คือช่วงเวลา[ 0 ],ที่ 1 ดังนั้นข้อจำกัด( 3 D )จะกลายเป็น 0 ≤θ_l≤θ_h≤ 1 สถิติไม่เพียงพอที่จะประเมินθคือ ∑▒x_i T = T ที่มีการกระจาย binomial ที่