Trở về Mục lục cuốn sách
Trong Mục 3, ta đã đề cập tới các phương pháp khác nhau để ước lượng tham số có thể nhận được ngay và đơn giản từ mẫu cho trước {x0, x1, …, xn − 1}. Ở mục này, một phương pháp chung được xét đến; phương pháp này cho phép các ước lượng nhận được với các tham số tuỳ ý của phân bố xác suất. Phương pháp này được dựa theo nguyên tắc hợp lý cực đại, thể hiện trong Mục 6.1. Nguyên tắc này có thể được mở rộng cho việc mô hình hoá dữ liệu, trong đó thường một mẫu ba số {(x0, y0, σ0), (x1, y1, σ1), …, (xn − 1, yn − 1, σn − 1)} được cho trước. Nói chung xi là các điểm số liệu biểu diễn cho một tham số điều khiển nào đó mà ta có thể chọn trong mô phỏng, như là nhiệt độ của một chất khí. Ta coi như tất cả các giá trị xi đều khác nhau. Hệ quả là, mô phỏng được thực hiện ở n giá trị khác nhau của tham số điều khiển. Các điểm số liệu yi là trị trung bình của những lần đo (chẳng hạn là mật độ của khí) thu được từ những mô phỏng ứng với giá trị cố định xi của tham số điều khiển. Các giá trị σi là những thang sai số tương ứng. 1 Việc mô hình hoá dữ liệu nghĩa là ta muốn xác định được quan hệ y = y(x). Thông thường ta có sẵn kiến thức hoặc một giả sử nào đó về mối quan hệ này, tức là ta có một hàm kiểm định được gắn tham số, yθ⃗(x). Do vậy, tập hợp các tham số θ⃗ phải được điều chỉnh sao cho hàm yθ⃗(x) khớp “nhất” với mẫu. Việc làm này được gọi là khớp số liệu và sẽ được giải thích ở Mục 6.2. Phương pháp này cũng dùng được để so sánh nhiều hàm khớp khác nhau nhằm quyết định xem hàm nào đặc trưng cho mô hình thích hợp nhất.
Blog của Chiến 