Twisting properties とは

与えられた分布則を持つ無作為変数Xから観測されるサンプル { x 1 , , x m } {\displaystyle \{x_{1},\ldots ,x_{m}\}} から出発して、パラメトリック推論の問題は、サンプルに基づいてこのパラメータの適切な値(推定値と呼ぶ)を計算することから成ります。未知のパラメータで置き換えても次の計算で大きなダメージは生じません。アルゴリズムの推論では、推定値の適合性は、観測されたサンプルとの互換性の観点から読み取られます。
次に、パラメータの互換性は、パラメータが参照するランダム変数の確率分布から派生する確率尺度です。このようにして、観測されたサンプルと互換性のあるランダムなパラメータΘを同定する。サンプリング機構 M X = ( g θ , Z ) {\displaystyle M_{X}=(g_{\theta },Z)} が与えられた場合、この操作の論理的根拠は、与えられたθのX分布則とXサンプルが与えられたΘ分布則の両方を決定するためにZシード分布則を使用することにある。したがって、サンプル空間の領域をΘサポートのサブセットに関連付けることができれば、後者の分布を直接前者から導き出すことができる。より抽象的に言えば、パラメータの特性を持つサンプルの特性をねじることについて話し、前者をこの交換に適した統計で識別します。未知のパラメータ運用目標は、Xパラメータが正確にθである場合に、S分布則の関数として、統計Sの観測値sに照らして累積分布関数 F Θ ( θ ) {\displaystyle F_{\Theta }(\theta )} の解析式を書くことです。