兩個參數值、四個樣本點的完整模型

本頁導覽
  1. 目標與範圍
  2. 已知條件與符號
  3. 規則與來源
  4. 逐步主鏈
  5. 局部子步與引理
  6. 逐步反向審查
  7. 錯誤控制與反例
  8. 結論與限制
  9. 驗證及來源綁定

← 導讀目錄 · 原始 MKO

derivation-mko-parametric-statistical-model-01 · ocme-new142-reader-adoption-20261021

目標與範圍

逐參數驗law並區分likelihood與posterior。

有限完整table;不作posterior或最優性推論。

已知條件與符號

  • work
  • G1 — Θ={1/4,3/4},Ω={00,01,10,11};P_(1/4)=(9,3,3,1)/16,P_(3/4)=(1,3,3,9)/16。
  • θ — 固定但未知參數

規則與來源

  • mko_definition · cited — 完整核有限parameter set與每列非負、總和1的law table。likelihood L(theta;x)=P_theta(x)視theta為自變數;它不是posterior,未供prior時不作Bayes。identifiability不由單一觀察推得。 · mko-parametric-statistical-model
  • work · prerequisite — 有限law機率非負且總和一;statistic只依樣本,期望為所有outcomes的加權和。

逐步主鏈

S01 · implies

操作前

\Theta=\{1/4,3/4\},\quad\Omega=\{00,01,10,11\}

操作後

P_\theta:\Omega\to[0,1]\quad(\theta\in\Theta)

條件:無

規則:work · 依賴:G1, work

葉節點依據:work

先固定共同carrier,不隨參數刪樣本。

S02 · implies

操作前

P_{1/4}=(9,3,3,1)/16

操作後

(9+3+3+1)/16=1

條件:無

規則:work · 依賴:G1, S01, work

葉節點依據:work

第一列四項非負且歸一。

S03 · implies

操作前

P_{3/4}=(1,3,3,9)/16

操作後

(1+3+3+9)/16=1

條件:無

規則:work · 依賴:G1, S02, work

葉節點依據:work

第二列也獨立驗完,不由對稱外觀跳過。

S04 · implies

操作前

x=01\text{ fixed}

操作後

L(1/4;01)=3/16,\quad L(3/4;01)=3/16

條件:無

規則:mko_definition · 依賴:G1, S03, mko_definition

葉節點依據:mko_definition

固定觀察後,likelihood的自變數變成theta。

S05 · implies

操作前

\sum_{\theta\in\Theta}L(\theta;01)

操作後

3/16+3/16=3/8\ne1

條件:無

規則:work · 依賴:G1, S04, work

葉節點依據:work

likelihood橫跨參數不必歸一為機率law。

S06 · implies

操作前

x=00

操作後

L(1/4;00)=9/16>1/16=L(3/4;00)

條件:無

規則:work · 依賴:G1, S05, work

葉節點依據:work

另一觀察對兩參數提供不同likelihood。

S07 · implies

操作前

P_{1/4}(00)=9/16\ne1/16=P_{3/4}(00)

操作後

P_{1/4}\ne P_{3/4}

條件:無

規則:work · 依賴:G1, S06, work

葉節點依據:work

完整模型列確實不同;差異由明示樣本事件見證。

S08 · implies

操作前

\theta\mapsto P_\theta\text{ with both rows normalized}

操作後

\{P_\theta:\theta\in\Theta\}\text{ is a finite parametric model}

條件:無

規則:mko_definition · 依賴:G1, S07, mko_definition

葉節點依據:mko_definition

共同carrier和所有參數law均合法,模型資格完成。

局部子步與引理

本稿無局部子步。

逐步反向審查

  • S08 · premise_audit · G1, S07, mko_definition — 未供prior,故不自行做Bayes更新。
  • S07 · premise_audit · G1, S06, work — 此比較來自已知完整laws,不由一次observed01推出。
  • S06 · premise_audit · G1, S05, work — 較大likelihood不等於已計出參數機率。
  • S05 · premise_audit · G1, S04, work — 這個3/8明確反駁likelihood本身就是posterior。
  • S04 · premise_audit · G1, S03, mko_definition — 不得把x與theta角色顛倒。
  • S03 · premise_audit · G1, S02, work — 完整參數集合只有這兩列,已全部核完。
  • S02 · premise_audit · G1, S01, work — 沒有把weight9當機率9。
  • S01 · premise_audit · G1, work — 兩列都必須有四個entry。

錯誤控制與反例

逐列

分別檢查兩個分母16的完整列。

固定觀察

likelihood table先固定x再遍歷全部theta。

  • 01觀察下posterior就是(3/16,3/16)。 → reject — 總和3/8而非1,且無prior。
  • 每theta可默默用不同carrier。 → reject — 本模型定義要求同一四樣本carrier。
  • 一個01就證兩個law相同。 → reject — 00的機率9/16與1/16不同。

結論與限制

兩列構成合法有限參數模型;L(theta;01)兩值皆3/16但不是posterior。

    驗證及來源綁定

    3 個本稿宣告算術檢查;只支持所列算式。

    • source commit: b1b2f1dcf8c50d67a93fe52d95f8eef7b3abba9f
    • adopted source SHA-256: d00df7b6f9cdd89591f628108246c88f499ea10b7d1142e3b840f769915b49dc
    • original source SHA-256: fcaef8fae4f87c9c47807672f655dbe899166728be3799d64ec5e07d2e5c74f2
    • Lean: NOT_RUN · independent AI: SCOPED_LEAD_AND_BILINGUAL_CONTEXT_REVIEW

    同源完整 JSON(含公式、AST、反控制與修訂記錄)