對於這個函式：
\[p(x| \theta)
\]輸入有兩個： \(x\) 表示某乙個具體的資料；\(\theta\) 表示模型的引數。
（1）如果\(\theta\) 是已知確定的，\(x\)是變數，這個函式叫做概率函式(probability function)，它描述對於不同的樣本點\(x\)，其出現概率是多少。
（2）如果\(x\)是已知確定的，\(\theta\)是變數，這個函式叫做似然函式(likelihood function), 它描述對於不同的模型引數，出現\(x\)這個樣本點的概率是多少。
這有點像「一菜兩吃」的意思。其實這樣的形式我們以前也不是沒遇到過。例如，\(f(x, y) = x^y\), 即\(x\)的 \(y\)次 方 。
似然函式與最大似然估計
概率用於在已知一些引數的情況下，接下來的觀測所得到的結果，而似然性則是用於在已知某些觀測所得到的結果時，對有關事物性質的引數進行估計。是一種關於統計模型中引數的函式。例如，已知有事件a發生，運用似然函式，我們估計引數b的可能性。表明在已知觀測結果情況下，似然函式的值越高，該引數值可使模型越合理。最大...
先驗概率 似然函式與後驗概率
先驗概率 prior probability 在貝葉斯統計中，先驗概率分布，即關於某個變數 p 的概率分布，是在獲得某些資訊或者依據前，對 p 的不確定性進行猜測。例如，p 可以是搶火車票開始時，搶到某一車次的概率。這是對不確定性 而不是隨機性 賦予乙個量化的數值的表徵，這個量化數值可以是乙個引數，...
先驗概率 似然函式與後驗概率
先驗概率 prior probability 在貝葉斯統計中，先驗概率分布，即關於某個變數 p 的概率分布，是在獲得某些資訊或者依據前，對 p 的不確定性進行猜測。例如，p 可以是搶火車票開始時，搶到某一車次的概率。這是對不確定性 而不是隨機性 賦予乙個量化的數值的表徵，這個量化數值可以是乙個引數，...