參數統計模型

數學敘述

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。

代表公式（精確 TeX）

M(T)

成立條件

• 共同有限sample space與有限parameter set。
• 每個theta的完整精確有理law皆歸一。

符號作用域

• M — 參數模型
• T — 參數集合

直觀、定義與常見誤解

所有theta共享sample space。

逐theta完整核law。

likelihood不是posterior，parameter不是observation。

把likelihood當posterior，或讓sample space隨theta暗中改變。

已採用的推導導讀

原始 MKO 保留；導讀有自己的追加式修訂與驗證界線，不代表新 Lean 證明。

前置知識

• 有限聯合分布 — 完整有限law。
• 有限樣本空間上的機率 — 非負及歸一。
• 函數映射 — theta映到law。
• 集合 — parameter/sample spaces。

驗證界線

只處理有限完整table；不宣稱identifiability或inference optimality。

not_formalized

這不表示內容錯誤；只表示尚未登錄可重播的計算或形式證據。

下一個義務

加入estimator與sampling distribution。

同源結構化資料

本頁與互動版共用同一個物件與既有語言 edition；未新增證明或人工審定。