最大后验估计MAP

概念：
在贝叶斯统计学中，最大后验（Maximum A Posteriori，MAP）估计可以利用经验数据获得对未观测量的点态估计。它与Fisher的最大似然估计（Maximum Likelihood，ML）方法相近，不同的是它扩充了优化的目标函数，其中融合了预估计量的先验分布信息，所以最大后验估计可以看作是正则化（regularized）的最大似然估计。

理解：
假设我们需要根据观察数据x估计没有观察到的总体参数θ，让f作为x的采样分布，这样f(x| θ)就是总体参数为θ时x的概率。函数即为似然函数，其估计就是θ的最大似然估计:

假设θ存在一个先验分布 g，这就允许我们将θ作为贝叶斯统计（ en: Bayesian statistics）中的随机变量，这样θ的后验分布就是：