最大似然估计和最大后验概率估计（贝叶斯参数估计）

举个例子：偷盗的故事，三个村庄，五个人偷。

村子被不同小偷偷的概率：P(村子|小偷1)、P(村子|小偷2)、P(村子|小偷3)

小偷1的能力：P(偷盗能力)=P(村子1|小偷1)+P(村子2|小偷1)+P(村子3|小偷1)+P(村子4|小偷1)+P(村子5|小偷1)

小偷2：...

'

'

'

小偷5：...

函数的其中一个要素：必须具有变量。

概率函数：P(村子I小偷)里边的村子为变量,表示同一个人去偷不同的村子发生的概率

似然函数：P(村子I小偷)里边的小偷为变量，表示不同人，去偷一个村子发生概率

最大似然估计：某个村庄被偷，找出最有可能偷某个村子的人。

最大后验概率估计：P(这个人|村子)=P(村子|某个小偷)P(这个小偷)/P(村子|小偷i)不但找出最有可能偷某个村子的人，还要找出这个人偷各个村子综合能力最强的人，综合以上两种因素的考虑，派这个人去偷，或者说村子被偷的可能性最大。

总结：

由因到果：从目标来讲，考虑一件事情要全面，考虑到各方面对达成目标的影响因素，才能最大化的做好一件事。

由果思因：从分析某个结果的原因来讲，需要考虑到各个可能导致结果的因素，不能由一个因素就断然下结论。