概率中的先验分布，后验分布，似然估计的通俗理解

这几个概念可以用“原因的可能性”和“结果的可能性”的“先后顺序”及“条件关系”来理解。下面举例：

隔壁老王要去10公里外的一个地方办事，他可以选择走路，骑自行车或者开车，并花费了一定时间到达目的地。在这个事件中，可以把交通方式（走路、骑车或开车）认为是原因，花费的时间认为是结果。

若老王花了一个小时的时间完成了10公里的距离，那么很大可能是骑车过去的，当然也有较小可能老王是个健身达人跑步过去的，或者开车过去但是堵车很严重。若老王一共用了两个小时的时间完成了10公里的距离，那么很有可能他是走路过去的。若老王只用了二十分钟，那么很有可能是开车。这种先知道结果，然后由结果估计原因的概率分布，p(交通方式|时间)，就是后验概率。

老王早上起床的时候觉得精神不错，想锻炼下身体，决定跑步过去；也可能老王想做个文艺青年试试最近流行的共享单车，决定骑车过去；也可能老王想炫个富，决定开车过去。老王的选择与到达目的地的时间无关。先于结果，确定原因的概率分布，p(交通方式)，就是先验概率。

老王决定步行过去，那么很大可能10公里的距离大约需要两个小时；较小可能是老王平时坚持锻炼，跑步过去用了一个小时；更小可能是老王是个猛人，40分钟就到了。老王决定骑车过去，很可能一个小时就能到；较小可能是老王那天精神不错加上单双号限行交通很通畅，40分钟就到了；还有一种较小可能是老王运气很差，连着坏了好几辆共享单车，花了一个半小时才到。老王决定开车过去，很大可能是20分钟就到了，较小可能是那天堵车很严重，磨磨唧唧花了一个小时才到。这种先确定原因，根据原因来估计结果的概率分布，p(时间|交通方式)，就是似然估计。

老王去那个地方好几趟，不管是什么交通方式，得到了一组关于时间的概率分布。这种不考虑原因，只看结果的概率分布，p(时间)，也有一个名词：evidence（不清楚合适的中文名是什么）。

最后，甩出著名的贝叶斯公式：

x: 观察得到的数据（结果）

: 决定数据分布的参数（原因）

: posterior

: prior

: likelihood

: evidence

作者：Agenter
链接：https://www.zhihu.com/question/24261751/answer/158547500
来源：知乎

概率中的先验分布，后验分布，似然估计的通俗理解相关推荐

一个例子搞清楚（先验分布/后验分布/似然估计）
一个例子搞清楚(先验分布/后验分布/似然估计) preface: 无论是<通信原理>.<信息论>.<信道编码>还是<概率与统计理论>,或者在现在流行的& ...
ML-朴素贝叶斯-先验分布/后验分布/似然估计
文章目录引言问题朴素贝叶斯介绍(最新更新2018.02.22) 朴素在哪里? 1. 数据样本独立同分布 2. 特征条件独立性假设参考1(最新更新2019-02-26) 联合概率分布面试朴 ...
先验分布/后验分布/似然估计/贝叶斯公式
转载于:https://blog.csdn.net/qq_23947237/article/details/78265026 博主用一个例子生动形象的介绍了(先验分布/后验分布/似然估计/贝叶斯公式) ...
先验分布后验分布似然估计
关键字:evidence ,贝叶斯公式一.先验分布对未知参数x的先验信息用一个分布形式p(x)来表示,此分布p(x)称为未知参数x的先验分布.(即在实验前通过已知信息知道的分布)可以理解为对某个原 ...
2020-4-5 深度学习笔记17 - 蒙特卡罗方法 3 ( 马尔可夫链蒙特卡罗方法MCMC-先验分布/后验分布/似然估计，马尔可夫性质)
第十七章蒙特卡罗方法中文英文 2020-4-4 深度学习笔记17 - 蒙特卡罗方法 1 (采样和蒙特卡罗方法-必要性和合理性) 2020-4-4 深度学习笔记17 - 蒙特卡罗方法 2 ( 重要 ...
概率统计笔记：极大似然估计
极大似然估计,误差的高斯分布与最小二乘估计的等价性极大似然估计的具体步骤似然函数假设样本观测值求解方程极大似然估计的具体步骤假设有随机变量 X ∼ P ( x ; θ ) X\sim P( ...
springboot中三种xxxx.setAttribute()并与python中flask作对应比较+容器的通俗理解
对应关系如下: Java python Spring boot Flask import javax.servlet.http.HttpServletRequest; HttpServletReque ...
CNN中的卷积的作用及原理通俗理解
文章目录一.卷积有什么用? 二.卷积是怎么提取特征的? 一.卷积有什么用? 卷积作用是为了进行特征提取因为输入的信息中可能只有一小部分是对我们解决问题有帮助的,这些信息比较关键,这时候只提取这部分 ...
机器学习基础——先验概率、后验概率和似然估计的讲解；频率派和贝叶斯派之分；以及MLE和MAP方法的解析
1.先验概率假定 B 1 , B 2 , - , B n B_1,B_2,\ldots ,B_n B1,B2,-,Bn是某个过程所有可能的前提条件,也就是 B 1 , B 2 , - , B ...

概率中的先验分布，后验分布，似然估计的通俗理解

概率中的先验分布，后验分布，似然估计的通俗理解相关推荐

最新文章

热门文章