[PRML] Point Estimation 点估计

问题引入——一份咨询工作

  你的第一份工作是一份咨询工作,一天,一位来自北京的亿万富翁向你咨询一个问题。

  • 富翁: 我丢一枚图钉,有多大的可能它的尖端向上。
  • 你:可以丢几次图钉。
  • 丢图钉结果:丢图钉结果
  • 你:有3/5的概率尖端向上。
  • 富翁:为什么是3/5?
  • 你:因为……

二项分布

  设Heads为尖端向上,它的概率为 θ ,Tails为尾巴向上,D为几次丢图钉的观测结果,H表示一次丢图钉观测到Heads,T表示观测到Tails。
   P(Heads)=θ P(Tails)=1θ D={ H,T,T,H,H}
  每一次丢图钉满足独立同分布。

  • 每一次丢图钉是独立事件
  • 都满足二项分布

  因此观测到D的概率为 P(D|θ)=θ(1θ)(1θ)θθ
  更一般地,设D中有 αH 个Heads和 αT 个Tails,则 P(D|θ)=θαH

  • 8
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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