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

扬帆起航：利用数据湖开发生产级 RAG 应用程序

数字游民请注意：您需要了解泰国新推出的 DTV 签证

从论坛到信息流：社交媒体算法如何塑造数字互动

比特币 UTXO 模型，为独特的生态系统提供动力

扬帆起航：利用数据湖开发生产级 RAG 应用程序

数字游民请注意：您需要了解泰国新推出的 DTV 签证

从论坛到信息流：社交媒体算法如何塑造数字互动

比特币 UTXO 模型，为独特的生态系统提供动力

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps