Re: [問題] 定理的使用時機?

看板Statistics作者時間19年前 (2006/08/15 18:49), 編輯推噓0(000)
留言0則, 0人參與, 最新討論串4/12 (看更多)
※ 引述《clairehsupo (嗯...)》之銘言: > ※ 引述《yhliu (老怪物)》之銘言: > > 看你是處在哪個學習階段, 看你想要學到甚麼程度. > > 主要的困難在於連續型的情形. 大學程度的數統連續型條 > > 件分布是利用 p.d.f. 定義的, 因此證明這定理很簡單; > > 博士班程度的證明就不允許那種和稀泥的方式, 而嚴謹的 > > 證明就是那麼冗長難懂. > 說到這個我就很想小抱怨一下 > 我是真的很想好好的把這些東西學起來 > 不過看到不懂的東西...跑去問以前系上的老師 > 通常不是告訴我這方面的東西他不熟就是很隨 > 便回答一下,更有馬上就質疑我為什麼要學這個 > 的動機,覺得這種東西知道就好了,沒有做這方 > 面的研究根本不用知道來龍去脈,可是我種覺得 > 唸書這樣囫圇吞棗很不踏實...問題問久了就會 > 越來越不想問人,想自己看懂...可是這樣真的 > 要花很久很久的時間,還要挑本願意很清楚告訴 > 讀者他在做什麼的書...@@" 我拿問題去問老師的情形最頻繁的是大一下, 自己在看機 概的書. 而後倒是比較少需要去問老師, 或者有時是懶得 去問老師. 當時需要去問老師, 是因自己看書有時碰到觀 念不清楚亟需解決以便往下研讀. 後來的不問, 一是習題 不會解並非因某些觀念不清楚, 或不了解自己是哪些觀念 不清楚; 二是自己看某些書看不懂, 自認為程度尚未能及, 也不急著求解. 有些大學時看不懂的東西, 到研究所時有 老師教導, 學到更進階的內容, 就不再覺得困難了! 當然, 這時會有另一些看不懂想不通的. 真的影響後續教材的了 解又自己未能想通, 還是只能求助於同學、求助於老師. 在網路上遊蕩多年, 受不了的情形之一是一發現有人可以 問, 就拚命問. 勇於發問是好事, 但對人家的回答沒仔細 思考、咀嚼、吸收, 而把回答者當家教、當解題機器, 這 可不能說是好事. 因子分解定理的證明, 基本上對學校中其他教材大概可說 不重要. 但去思考為甚麼大學時證明這定理三兩下就 KO, 而嚴謹的證明卻要幾個 page 甚至要先證一堆 lemma, 這 是理解的第一步. 需知大學數統或機概定義的連續型條件 機率分布是很不嚴謹的; 正式的機率論對 "條件機率" 另 有以積分為基礎的定義. 若不先弄明白條件機率 P[A|X] 及 P[A|X=x] 的定義和意義, 那因子分解定理的證明就甭 看了! 若知道, 那麼可以慢慢地去閱讀、思考, 甚至自己 證看看, 慢慢地大概就可以明白為甚麼酈要那樣證明. > > 使用時機? 當然看你的問題能否滿足定理的條件! > > 多去思考定理在講甚麼, 看看書上的例子, 實際去做做題 > > 目. > 書上的例子我都有看過了,可是我發現幾乎所有 > 的例子都可以使用(c)來求出最小充分統計量, 因為你看的例子都是很簡單的. 如指數族, 依定義其 support 與參數值無關. 這就是 (c) 所需要的條件. > 像是指數族或是均勻分布等...在Lehmann的 > Theory of point estimation中提到:(a)主要 > 是在處理當P為可數的若P為不可數時則通常結 > 合(b)後來處理這方面的問題,而(c)則是可以 > 處理當P為不可數時的問題. > 以這樣來說,一般在找最小充分統計量是使用 > (c)就可以處理所有的問題呢?還是說有什例子 > 是(c)無法處理而其餘兩個可以處理的? 試試 uniform(0,θ), uniform(θ,θ+1). -- │││││ 您在找統計版嗎? 竭誠邀請您加入 Statistics! ▃▅▅▆ ││││ 無名小站 telnet://wretch.twbbs.org (cat_/ ││ 成大計中站 telnet://bbs.ncku.edu.tw ▊Moon▄▂ │ 交大次世代 telnet://bs2.twbbs.org ─ _▍_ ▃▅ 盈月與繁星 telnet://ms.twbbs.org  ̄ ◢ *Mooncat~ ★未經本人同意請勿轉載; 回覆請勿全文引用! -- 夫兵者不祥之器物或惡之故有道者不處君子居則貴左用兵則貴右兵者不祥之器非君子 之器不得已而用之恬淡為上勝而不美而美之者是樂殺人夫樂殺人者則不可得志於天下 矣吉事尚左凶事尚右偏將軍居左上將軍居右言以喪禮處之殺人之眾以哀悲泣之戰勝以 喪禮處之道常無名樸雖小天下莫能臣侯王若能守之萬物將自賓天地相合以降甘露民莫 之令而自均始制有名名亦既有夫亦將知止知止 218-170-31-98.dynamic.hinet.net
文章代碼(AID): #14uQQl00 (Statistics)
討論串 (同標題文章)
文章代碼(AID): #14uQQl00 (Statistics)