概率一直让我着迷。它是机器学习和人工智能的隐藏支柱。我有机会在学校和大学学习它。但直到我学习了贝叶斯统计课程，我才意识到我的理解是多么错误。 您可能遇到过这样的问题：“抛硬币得到正面的概率是多少”？如果你的答案是  ，请再想一想。这就是它变得有趣的地方。 1/2 人们通常认为数学是“一致的”。我们假设无论我们如何解决问题，它总是有相同的解决方案。除了概率之外，这是真的。 概率是一个例外，因为它具有三种不同的定义或框架。使用这些定义处理相同的问题可能会产生不同的（且有效的）答案。 为了展示相同的内容，让我们考虑以下问题。我们将使用所有三个概率框架来解决它。所有框架的共同点是实验所有结果的总概率始终为  。 1  “我的朋友索维特给了我一枚硬币。他没有告诉我这枚硬币是否公平。这枚硬币正面朝上的概率有多大？” 经典框架 这是概率中最简单的框架。这也是最容易理解的。 经典框架说“同样可能的结果具有相等的概率”。 在上面的问题中，我们不知道硬币是否公平。我们不能说获得正面的可能性是否与获得反面的可能性相同。所以，我们不能用经典的框架来解决这个问题。 但为了展示这个框架的用法，我们假设硬币是公平的。这意味着获得正面的可能性与获得反面的可能性相同。由于这是仅有的两种可能的结果，并且总概率为  ，因此获得正面的概率为  。 1 1/2 经典框架可能看起来很简陋，但它也是最常被滥用的框架。诸如“火星上要么有生命，要么没有生命，因此火星上存在生命的概率为  ”之类的论点是错误的。因为经典框架仅在结果可能性相同时才有效。在这种情况下，火星上存在生命和不存在生命的可能性并不相同。 1/2 频率论框架 它是概率领域最常用的框架之一。如果您已经解决了任何概率问题，您可能已经使用了频率论框架来完成此任务。 频率论框架说，要计算事件的概率，我们需要进行实验并观察结果。重复实验无数次。并且，事件发生的概率为  。 P(E) = Count(favorable outcomes) / Count(total outcomes) 在实践中，我们不可能无限次地进行实验。因此，我们执行的次数有限。对于我们的问题，我们进行 次实验。假设我们有 正面和 反面。因此，获得正面的概率为  。 10 6 4 0.6 频率论框架也有局限性。考虑这个问题，找出明天下雨的概率。根据定义，我们需要有无数个平行宇宙。然后我们需要观察每个宇宙的明天并计算正在下雨的宇宙。 但是，这是不可能的。此外，如果我们能观察到明天，为什么还要计算明天下雨的概率呢？ 贝叶斯框架 它是概率领域最常用的框架之一。它也是最容易理解但很难使用的。 贝叶斯框架表示，事件发生的概率就是你所认为的那样。这更多的是关于你的个人观点。您正在观看板球比赛，Sachin Tendulkar 的成绩为  。你惊叹说他有 机会活到一百岁。这就是该事件的贝叶斯概率。 94 90% 到目前为止，在上述两个框架中，我们忽略了问题中的其他关键信息：“我的朋友 Sovit 给了我硬币。”索维特是我的朋友，我认识他。他过去还给过我其他硬币。假设这些硬币回头率是  。 0.4 这称为“先验”信息。上面两个框架没有任何使用方法。这就是贝叶斯框架的闪光点。它允许我们同时使用先验信息和数据，这与仅依赖于数据的频率论框架不同。 我们必须假设我们对先验知识和数据的信任程度。假设我们对两者都信任  （称为权重）。正面朝上的概率是先验数据和数据的加权平均值：   。 50% 0.5 * 0.4 + 0.5 * 0.6 = 0.5 贝叶斯框架可以利用先验信息提供更现实的答案。但是，我们必须对权重做出假设。这是批评的关键点。由于我们做出假设，因此我们的偏见可能会导致结果出现偏差。 因此，说一枚公平的硬币正面朝上的概率是 1/2 是不正确的。只有当我们谈论经典框架时才是正确的。声称在 10 次抛掷实验中出现 6 次正面和 4 次反面的硬币出现正面的概率也是错误的。 只有当我们谈论频率论框架时，这才是正确的。你明白了。因此，在陈述事件的概率时，记住我们正在使用的框架非常重要。 这都是关于概率和不同的框架。如果这让你和我一样震惊，请在评论中告诉我。如果您喜欢这篇文章，请给我一些掌声。 资源 我学习的贝叶斯统计课程： 和 。 贝叶斯统计：从概念到数据分析 贝叶斯统计：技术和模型

Sponsor Me on GitHub

Buy Me a Coffee

Checkout My Portfolio

Read My Stories

該音頻是用故事的原始語言製作的！

你对概率的理解可能是错误的

About Author

註釋

標籤

这篇文章刊登在

Related Stories

Floki 的 Valhalla 成为印度环斯里兰卡赛事联合赞助商

成功云迁移的完整指南：策略和最佳实践

创建以用户为中心的加密产品：客户反馈的重要性

Claude Sonnet 3.5 系统提示泄漏：法医分析

Floki 的 Valhalla 成为印度环斯里兰卡赛事联合赞助商

成功云迁移的完整指南：策略和最佳实践

创建以用户为中心的加密产品：客户反馈的重要性

Claude Sonnet 3.5 系统提示泄漏：法医分析

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps