本文摘录自维基百科，探讨了贝叶斯定理及其应用。贝叶斯定理描述了后验概率如何通过似然性和先验概率计算得出。似然估计则关注于在已知结果的情况下，估计事件发生的可能性。文中以硬币投掷为例，解释了如何通过似然函数来评估硬币正面向上的概率，并强调了似然函数在统计模型中的作用不在于其具体数值，而在于参数变化时函数的行为。
看了维基百科后的摘录：
1. 贝叶斯定理： 后验概率 = (似然性*先验概率)/标准化常量
另外，比例P(B|A)/P(B)也有时被称作标准似然度（standardised likelihood），贝叶斯定理可表述为：
后验概率 = 标准似然度*先验概率
因此，我们可以反过来构造表示似然性的方法：已知有事件A发生，运用似然函数，我们估计参数B的可能性。形式上，似然函数也是一种条件概率函数，但我们关注的变量改变了：
最低0.47元/天 解锁文章
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
