用例子来解释先验,后验

参考

作者:Agenter 链接:知乎 https://www.zhihu.com/question/24261751/answer/158547500

例子

隔壁老王要去10公里外的一个地方办事,他可以选择:

  1. 走路
  2. 骑自行车
  3. 开车

并花费了一定时间到达目的地。在这个事件中,可以把交通方式(走路、骑车或开车)认为是原因,花费的时间认为是结果。

后验概率

若,老王花了一个小时的时间完成了10公里的距离:

  1. 那么很大可能是骑车过去的,
  2. 当然也有较小可能老王是个健身达人跑步过去的,
  3. 或者开车过去但是堵车很严重。

若,老王一共用了两个小时的时间完成了10公里的距离:那么很有可能他是走路过去的。

若,老王只用了二十分钟,那么很有可能是开车。

这种先知道结果(知道花费了多长时间),然后由结果估计原因(是走路,是骑车还是开车)的概率分布,p(交通方式|时间),就是后验概率。

先验概率

老王早上起床的时候觉得精神不错,想锻炼下身体,决定跑步过去;

也可能老王想做个文艺青年试试最近流行的共享单车,决定骑车过去;

也可能老王想炫个富,决定开车过去。

老王的选择与到达目的地的时间无关。

先于结果,确定原因的概率分布,p(交通方式),就是先验概率

似然估计
1.

老王决定步行过去,那么很大可能10公里的距离大约需要两个小时;

较小可能是老王平时坚持锻炼,跑步过去用了一个小时;

更小可能是老王是个猛人,40分钟就到了。

2.

老王决定骑车过去,很可能一个小时就能到;

较小可能是老王那天精神不错加上单双号限行交通很通畅,40分钟就到了;

还有一种较小可能是老王运气很差,连着坏了好几辆共享单车,花了一个半小时才到。

3.

老王决定开车过去,很大可能是20分钟就到了,

较小可能是那天堵车很严重,磨磨唧唧花了一个小时才到。

这种先确定原因,根据原因来估计结果的概率分布,p(时间|交通方式),就是似然估计。

先验分布和后验分布是贝叶斯统计推断方法中的重要概念。 先验分布是指在进行推断之前,根据以往的知识、经验和信息对未知参数的分布进行估计。通常情况下,先验分布是由先前的实验数据、专家意见或相关的先验信息所确定。先验分布可以看做是对未知参数的先前假设或猜测。 后验分布则是在得到观测数据之后,根据贝叶斯公式将先验分布与似然函数结合起来,得到参数的后验分布。后验分布是在已经观测到数据之后对参数进行概率推断的结果,可以看作是在先验分布的基础上通过数据进行修正的结果。 举个例子来说明先验分布和后验分布的概念。假设我们要估计某种产品的成功率,根据以往的经验,我们对其成功率有一个先验分布,比如服从均匀分布。然后我们进行若干次实验,观测到了产品成功的次数。根据贝叶斯公式,我们将先验分布与似然函数结合起来,得到参数的后验分布。后验分布可以告诉我们在观测到这些数据之后,产品成功率的可能取值范围以及其概率分布。 先验分布和后验分布的使用,能够帮助我们在统计推断中更准确地估计未知参数的值。在贝叶斯统计推断中,先验分布和后验分布起到了关键的作用,使我们能够从先验的角度出发,并通过不断迭代来更新和修正我们的估计。先验分布和后验分布是贝叶斯统计推断方法中的重要基础。
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值