1. 来源:
考虑一个问题: 盒子里面有球10个形状一样的球(10红球和0蓝球,但看不到),可以拿一个,看完颜色又放回去。拿了10次,每次都看到红球。你猜猜盒子里面有几个红球,几个蓝球?
-
例如盒子里面有10红球。
-
例如盒子里面有9红球,1个蓝球,我运气好,每次拿到的都是红球。
-
例如盒子里面有8红球,2个蓝球,我运气好,每次拿到的都是红球。
-
。。。
-
例如盒子里面有1红球,9个蓝球,我运气好,每次拿到的都是红球。
到底有多少个红球那???如何建立数学模型???
2.思想
高斯(高斯是谁,不知道弄死你!)说,用最有可能的参数模型来算吧!
100年后,罗纳德·费希尔说,用最有可能的参数模型来算吧!
30年后,大家都说,用最有可能的参数模型来算吧!
3.算算看
事件A:拿了10次,每次都看到红球
事件B:几个红球.
-盒子里面有10红球: P(A/B)=100% (A 发生时,B的可能性)。
-盒子里面有9红球: P(A/B)=0.9^10 (A 发生时,B的可能性)。
-盒子里面有8红球: P(A/B)=0.8^10 (A 发生时,B的可能性)。。。。
-盒子里面有1红球: P(A/B)=0.1^10 (A 发生时,B的可能性)。
由于事件A一定发生了,所以为了满足A,找最大的那种可能。
所以 有10红球。
4.一般情况
事件A:观测
事件B: 模型参数
P(B|A)=P(A/B)*P(B)/P(A)(贝叶斯公式)
P(A)先验概率,常数可以不管。
P(B) 不好求,可以也认为是常数。
我们使得P(A/B)最大,可以使得P(B|A),即使在A的观测中使得B模型的概率最大。
对于离散型:
事件A: (x1,x2,…xn) 个观察数据。
他们相互独立。有 对于数据xi 的概率是 :p(xi,θ)
L(x1,x2,…,xn;θ)=p(x1,θ)* p(x2,θ)*。。。p(xn,θ)
如下:
L(θ)为似然函数,使之最大,为最大似然估计法!