後驗機率可以根據透過貝葉斯公式,用先驗機率和似然函式計算出來...
通俗地說,這個定理就是,在試驗不變的條件下,重複試驗多次,樣本數量越多,隨機事件的頻率越近似於它的機率,偶然中包含著某種必然...
表示為:計算前面例子中的引數估計,並理解先驗分佈對後驗分佈的影響:1,(一無所知)2,(正反面出現的機率相同)3,(作弊,正面出現的機率極大)3,最大後驗估計(MAP)貝葉斯估計認為所有可能的都對引數估計有貢獻...
而引數並不是事件,不符合機率的嚴格定義,因此對於某一引數產生實際資料情況的可能性,只能稱之為“似然”...