伯努利分布的最大似然估计与贝叶斯估计

求概率模型的最大似然估计的一般步骤如下：
写出随机变量的概率分布函数；
写出似然函数；
对似然函数取对数，并进行化简整理；
对参数进行求导，找到似然函数的极值点；
解似然方程。
似然函数是一种关于统计模型参数的函数。给定输出x时，关于参数θ的似然函数L(θ|x)（在数值上）等于给定参数θ后变量X的概率：L(θ|x)=P(X=x|θ)。

关于伯努利分布的贝叶斯估计参见https://blog.csdn.net/lynn_001/article/details/83904835?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-5.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-5.control
主要是增加了先验分布贝塔分布，最终的计算结果可见下个链接。
https://blog.csdn.net/weixin_41058005/article/details/105369267
贝塔分布（Beta Distribution) 是一个作为伯努利分布和二项式分布的共轭先验分布的密度函数，在机器学习和数理统计学中有重要应用。在概率论中，贝塔分布，也称Β分布，是指一组定义在(0,1) 区间的连续概率分布。