確率変数の場合 X∼Bernoulli(p) 確率空間で定義 (Ω,F,P)、パラメータ p (数)は、特定のイベント、つまりイベントの確率です {X=1}。あれは、
p=P(X=1).
シングルナンバー p の分布を完全に決定します X すべてのボレルセットのため B⊆R 我々は持っています
P(X∈B)=1B(0)P(X=0)+1B(1)P(X=1)=(1−p)1B(0)+p1B(1).
(ここに 1B の指標関数です B。)これが、ベルヌーイ分布の族が区間によってパラメーター化される理由です [0,1]。この事実は、統計学の常連またはベイズの解釈とは無関係です。それは確率の事実にすぎません。
ベイジアンの場合は、次のパラメータが必要です。 pいくつかの以前の分布でそれ自体が確率変数になる 正式には、パラメータは確率変数であると言えますΠ でサポート [0,1] そして私たちは持っています
X∣Π∼Bernoulli(Π),
つまり
P(X=1∣Π)=Π,P(X=0∣Π)=1−Π
ほぼ確実に(または
P(X=1∣Π=p)=p,P(X=0∣Π=p)=1−p
のために p∈[0,1])。この場合、パラメーターΠ(確率変数)は、イベントの条件付き確率です{X=1} 与えられた Π。この条件付き確率は、Π (事前分布)、の分布を完全に決定します X 以来P(X∈B)=E[P(X∈B∣Π)]=E[1B(0)P(X=0∣Π)+1B(1)P(X=1∣Π)]=E[(1−Π)1B(0)+Π1B(1)]=(1−E[Π])1B(0)+E[Π]1B(1)
ボレルセット B⊆R。
いずれにせよ、頻度主義やベイジアンの場合、ベルヌーイデータの通常のパラメーターは、何らかのイベントの確率(限界または条件付き)です。