格格党

手机浏览器扫描二维码访问

第16讲 概率分布图帮助我们进行更加通用的推理（第1页）

第16讲“概率分布图”

帮助我们进行更加通用的推理

banner"

>

16-1到达到实用水平，需要“概率分布图”

和“期待值”

截至上一讲，我们已经完成了对于贝叶斯推理的基本技巧、以及运用常见的概率记号对其进行描述的知识点进行了解说。

至此，进行简单设定的推理已经完全不成问题。

但如果要对于稍微复杂的设定进行推理、或是进行通用性推理的话，之前所介绍的方法就略显不足了。

对于稍微复杂的设定进行推理、以及进行通用性推理时，需要了解“概率分布图”

和“期待值”

相关的知识，尤其是在连续性概率分布这种基本事件无限多的情况下，以上背景知识更是不可缺少的。

我们从本讲开始学习这个知识点。

而在后面几讲中，将会对贝叶斯推理中最有代表性、重要的“贝塔分布”

和“正态分布”

进行解说。

在本讲中，首先为大家解说贝塔分布的出发点——“均匀分布”

的相关内容。

16-2思考“同样的可能”

型的概率模型

想象一下抛硬币和掷骰子试验的常规概率模型，就很容易理解“均匀分布”

的概念了。

正如第14讲中解说的那样，概率模型是根据基本事件和对其概率的分配来进行定义的。

以抛硬币为例，其基本事件的集合表示为：

{正面，反面}

为每个基本事件分配相同的概率，即：

这些基本事件被称为“大致相同”

。

也就是说，可以把“正面”

和“反面”

设定为基本相同的情况。

而在掷骰子的情况，也正如第14讲中所解说的那样，基本事件的集合可以表示为：

{1，2，3，4，5，6}

而分配概率的方法，则是把点数K出现的概率记为p（{k}），那么：

此时，6个基本事件也是“大致相同”

的。