贝叶斯方法与其中的思想

content

连续性随机变量的分布以及概率密度

似然函数

贝叶斯方法

参考资料（强烈推荐最后一个）

---

连续性随机变量的分布以及概率密度

连续性随机变量的分布不能像离散型的分布那样去描述。因为这种变量的取值充满一个区间，如果取一个点问他的概率，只能是0。
刻画连续性随机变量的概率分布的一个方法是使用概率密度函数。
- 定义：设连续型随机变量X有概率分布函数F(x)，则F(x)的导数f（x） = F‘(x) 称为X的概率密度函数。

概率密度函数就是来描述连续性随机变量的概率分布的。
- 理解：在连续性随机变量中去一个点x，事件{x < X ≤ x + h}的概率为F(x + h) - F(x)。因此[F(x + h) - F(x)] / h 为在x附近h这个长度上单位长度所占有的概率。令h趋近于0，则[F(x + h) - F(x)] / h的极限f（x） = F‘(x)为x点处单位长的概率。

---

似然函数

似然函数的定义，它是给定联合样本值x下关于(未知)参数θ 的函数：L(θ | x) = f(x | θ)
这里的x是指联合样本随机变量X取到的值，即X = x；
这里的θ是指未知参数，它属于参数空间；
这里的f(x | θ)是一个密度函数，特别地ÿ