目录
最大似然估计
如果你手上有一堆标记了S1-Sn的号码的球,在不放回的情况下,摸了N次,发现拿到Sk球的次数为n小k,那么在这N次的摸球中,相对频率为q(Sk)等于n小k除以N。并且你要知道,所有球的相对频率的和为1。
当N越来越大的时候,摸的次数越来越多的时候,实际上这个相对频率q(Sk)会越来越接近摸到Sk球的概率。即当N趋向于无穷大,q(Sk)=Probability(Sk)。
于是乎,通常会用这个相对频率作为概率的估计值,这种估计概率值的方法称为最大似然估计(Maximum Likelihood Estimation)。
It seems reasonable that a good estimate of the unknown parameter theta would be the value of theta that maximizes the probability, errrr... that is, the likelihood... of getting the data we observed.
宾夕法尼亚州立大学STAT145课程的素材:1.2 - Maximum Likelihood Estimation | STAT 415
条件概率
如果一共有3个白球,2个黄球,5个绿球,问:摸到两个绿球的概率是多少?
事件A:第一次摸到一个绿球
事件(B|A):第一次摸到绿球的情况下,第二次摸到绿球
事件(A和B):第一次摸到一个绿球,第二次也摸到一个绿球
P(B|A) 也叫在A发生的情况下B发生的“条件概率”。
贝叶斯法则
A是样本空间的一个事件,点是❌,B1-Bn是样本空间的划分
对于等式
,替换得到
贝叶斯公式: