1、差别:
两者之间最大的差别:在对物理世界建模时,使用参数的认知不同。
频率学派将模型参数看着是固定的,贝叶斯学派把参数也看着是随机变量,也符合某种分布,这是两者的根本区别。
1)频率学派:模型的参数是固定的,真实而客观存在的。
实现方法是使用最大似然(maximum likelihood)以及置信区间(confidence interval),找出这个参数的真实值。
频率派的优点,是没有假设一个先验分布,因此更加客观,也更加无偏,在一些保守的领域(比如制药业、法律)比贝叶斯方法更受到信任。
2)贝叶斯学派:关心的是参数的每一个取值的可能性,即参数的概率分布,而不是参数的所谓“真实值”。贝叶斯学派所有的参数都是随机变量,都有分布,即将参数也看作是随机变量,每个值都有可能是真实模型使用的值,区别只是概率不同而已。
贝叶斯学派的想法其实更为自然,这也是为什么贝叶斯学派的产生远早于频率学派。贝叶斯派认为参数不确定。有时候,这种不确定性是物体的固有属性,是独立于主观因素的客观存在。比如硬币或骰子,它的物理偏向性如何?某一面出现的概率是多少?是否“公平”?这些都是在物体的制造过程中决定了的,原则上可用频率派多次实验的方法来探索它的概率。但在某些情形,“不确定性”的客观意义并不显而易见。
总之,两大学派从不同角度来看待物理参数:频率学派认为参数值是固定的,使用多次测量来逼近这个固定值。贝叶斯学派从固定的样本区间,考虑参数所有可能值,用实验结果来更新参数取值的概率。
2、什么是最大似然估计
最大似然估计是一种估算参数的方法。
在数理统计学中,经常使用似然函数来描述统计模型中的参数,由此函数的最优化来估算参数的方法叫做“最大似然估计”。
3、什么是似然函数?
“似然性”一词与“概率”一词意义相近,都是指某种事件发生的可能性。
似然函数与之前介绍过的概率分布函数有关,他们的函数形式有可能相同,但在统计学中,两者在概念上有着明确的区分:
概率分布函数是随机变量的函数,参数固定;
似然函数是参数的函数,随参数之变化而变化。