Last updated
Last updated
频率派的角度是从说是未知的，但是确定的，可以通过频率来近似。那么在实际的应用中常常使用ML（Maximum Likelihood Estimation 最大似然估计）的方法来求解。
频率学派存在一定的局限性，比如说无法评估不可重复实验的事件发生概率，比如说冰川消失的概率，这个事件是无法实验的，也就无法通过独立重复实验的频率来近似得到事件的概率了。
贝叶斯学派则认为参数是一个随机变量，服从于一个先验分布，所以如何确定这个先验分布是一个难点。在实际实现中常常使用MAP（Maximum a posterior probability最大后验概率）。那么这个也是比较好理解的，贝叶斯首先假定了一个参数的分布，之所以叫做先验，是说我们在未观测数据之前就假定的，根据是人过往的经验来确定的。那么后验概率的意思就是说，当我拿到了新的数据之后，我对之前假定的先验分布进行调整使得这个分布接近于真实的分布，从而得到正确的结果。
公式回顾：
全概率公式：
事件B的所有可能结果为：B1，B2，~Bn，并且两两之间相互独立。
参考内容：