先考虑一下我们是如何解决一个概率问题的:
在一个实际问题中我们通常是根据经验选出一个模型,例如一个抛硬币可以抽象为伯努利分布(0-1分布)的模型,人的身高分布可以抽象为正态分布的模型,然后根据数据推算出模型的参数。
而这个选取的模型就决定了似然函数 p(X|θ) 的形式。例如抛硬币模型: f(k;n,p)=Pr(K=k)=(nk)pk(1−p)n−k (参数为k),身高分布模型: f(x)=1
先考虑一下我们是如何解决一个概率问题的:
在一个实际问题中我们通常是根据经验选出一个模型,例如一个抛硬币可以抽象为伯努利分布(0-1分布)的模型,人的身高分布可以抽象为正态分布的模型,然后根据数据推算出模型的参数。
而这个选取的模型就决定了似然函数 p(X|θ) 的形式。例如抛硬币模型: f(k;n,p)=Pr(K=k)=(nk)pk(1−p)n−k (参数为k),身高分布模型: f(x)=1