貝氏機率 | 貝氏統計
貝氏機率(英語:Bayesian probability)是由貝氏定理所提供的一種對機率的 ... 貝氏機率和統計機率相對,它從確定的分布中觀測到的頻率或者在樣本空間中的 ...貝氏機率維基百科,自由的百科全書跳至導覽跳至搜尋此條目需要補充更多來源。
(2018年4月19日)請協助補充多方面可靠來源以改善這篇條目,無法查證的內容可能會因為異議提出而移除。
致使用者:請搜尋一下條目的標題(來源搜尋:"貝氏機率"—網頁、新聞、書籍、學術、圖像),以檢查網路上是否存在該主題的更多可靠來源(判定指引)。
統計學系列條目貝氏統計理論允許決策規則(英語:Admissibledecisionrule)貝氏效率(英語:Bayesianefficiency)貝氏機率機率解釋(英語:Probabilityinterpretations)貝氏定理貝氏因子(英語:Bayesfactor)貝氏推論貝氏網絡事前機率事後機率概似函數共軛先驗後驗預測分布(英語:Posteriorpredictivedistribution)超參數(英語:Hyperparameter)超先驗(英語:Hyperprior)無差別原理(英語:Principleofindifference)最大熵原理(英語:Principleofmaximumentropy)經驗貝氏方法(英語:EmpiricalBayesmethod)克倫威爾法則(英語:Cromwell'srule)伯恩斯坦–馮·米塞斯定理(英語:Bernstein–vonMisestheorem)施瓦次準則(英語:Schwarzcriterion)信賴區間最大事後機率估計激進機率主義(英語:Radicalprobabilism)方法貝氏線性迴歸(英語:Bayesianlinearregression)貝氏估計(英語:Bayesianestimator)近似貝氏計算(英語:ApproximateBayesiancomputation)馬可夫鏈蒙特卡洛機率與統計主題閱論編貝氏機率(英語:Bayesianprobability)是由貝氏定理所提供的一種對機率的解釋,它採用將機率定義為某人對一個命題信任的程度的概念。
貝氏定理同時也建議貝氏定理可以用作根據新的資訊導出或者更新現有的置信度的規則。
目錄1歷史2變種3貝氏機率和頻率機率4應用5機率之機率6爭議7參看8外部連結及參考歷史[編輯]貝氏定理和貝氏機率以托馬斯·貝葉斯(1702-1761)命名,他證明了現在稱為貝氏定理的一個特例。
術語貝氏卻是在1950年左右開始使用,很難說貝氏本人是否會支持這個以他命名的機率非常廣義的解釋。
拉普拉斯證明了貝氏定理的一個更普遍的版本,並將之用於解決天體力學、醫學統計中的問題,在有些情況下,甚至用於法理學。
但是拉普拉斯並不認為該定理對於機率論很重要。
他還是堅持使用了機率的經典解釋。
弗蘭克·普倫普頓·拉姆齊在《數學基礎》(1931年)中首次建議將主觀置信度作為機率的一種解釋。
拉姆齊視這種解釋為機率的頻率解釋的一個補充,而頻率解釋在當時更為廣泛接受。
統計學家BrunodeFinetti於1937年採納了拉姆齊的觀點,將之作為機率的頻率解釋的一種可能的代替。
L.J.Savage在《統計學基礎》(1954年)中拓展了這個思想。
有人試圖將「置信度」的直觀概念進行形式化的定義和應用。
最普通的應用是基於打賭:置信度反映在行為主體願意在命題上下注的意願上。
當信任有程度的時候,機率計算的定理測量信任的理性程度,就像一階邏輯的定理測量信任的理性程度一樣。
很多人將置信度視為經典的真值(真或假)的一種擴展。
哈羅德·傑弗里斯,RichardT.Cox,EdwinJaynes和I.J.Good研探了貝氏定理。
其他著名貝氏定理的支持者包括約翰·梅納德·凱因斯和B.O.Koopman。
變種[編輯]術語主觀機率,個人機率,認知機率和邏輯機率描述了通常成為貝氏學派的思想中的一些。
這些概念互相重疊,但有不同的側重。
這裡提到的一些人物不會自稱是貝氏學派的。
貝氏機率應該測量某一個體對於一個不確定命題的置信程度,因此在這個意義下是主觀的。
有些自稱貝氏學派的人並不接受這種主觀性。
客觀主義學派的主要代表是EdwinThompsonJaynes和哈羅德·傑弗里斯。
也許現在還在世的主要客觀貝氏學派人物是
(2018年4月19日)請協助補充多方面可靠來源以改善這篇條目,無法查證的內容可能會因為異議提出而移除。
致使用者:請搜尋一下條目的標題(來源搜尋:"貝氏機率"—網頁、新聞、書籍、學術、圖像),以檢查網路上是否存在該主題的更多可靠來源(判定指引)。
統計學系列條目貝氏統計理論允許決策規則(英語:Admissibledecisionrule)貝氏效率(英語:Bayesianefficiency)貝氏機率機率解釋(英語:Probabilityinterpretations)貝氏定理貝氏因子(英語:Bayesfactor)貝氏推論貝氏網絡事前機率事後機率概似函數共軛先驗後驗預測分布(英語:Posteriorpredictivedistribution)超參數(英語:Hyperparameter)超先驗(英語:Hyperprior)無差別原理(英語:Principleofindifference)最大熵原理(英語:Principleofmaximumentropy)經驗貝氏方法(英語:EmpiricalBayesmethod)克倫威爾法則(英語:Cromwell'srule)伯恩斯坦–馮·米塞斯定理(英語:Bernstein–vonMisestheorem)施瓦次準則(英語:Schwarzcriterion)信賴區間最大事後機率估計激進機率主義(英語:Radicalprobabilism)方法貝氏線性迴歸(英語:Bayesianlinearregression)貝氏估計(英語:Bayesianestimator)近似貝氏計算(英語:ApproximateBayesiancomputation)馬可夫鏈蒙特卡洛機率與統計主題閱論編貝氏機率(英語:Bayesianprobability)是由貝氏定理所提供的一種對機率的解釋,它採用將機率定義為某人對一個命題信任的程度的概念。
貝氏定理同時也建議貝氏定理可以用作根據新的資訊導出或者更新現有的置信度的規則。
目錄1歷史2變種3貝氏機率和頻率機率4應用5機率之機率6爭議7參看8外部連結及參考歷史[編輯]貝氏定理和貝氏機率以托馬斯·貝葉斯(1702-1761)命名,他證明了現在稱為貝氏定理的一個特例。
術語貝氏卻是在1950年左右開始使用,很難說貝氏本人是否會支持這個以他命名的機率非常廣義的解釋。
拉普拉斯證明了貝氏定理的一個更普遍的版本,並將之用於解決天體力學、醫學統計中的問題,在有些情況下,甚至用於法理學。
但是拉普拉斯並不認為該定理對於機率論很重要。
他還是堅持使用了機率的經典解釋。
弗蘭克·普倫普頓·拉姆齊在《數學基礎》(1931年)中首次建議將主觀置信度作為機率的一種解釋。
拉姆齊視這種解釋為機率的頻率解釋的一個補充,而頻率解釋在當時更為廣泛接受。
統計學家BrunodeFinetti於1937年採納了拉姆齊的觀點,將之作為機率的頻率解釋的一種可能的代替。
L.J.Savage在《統計學基礎》(1954年)中拓展了這個思想。
有人試圖將「置信度」的直觀概念進行形式化的定義和應用。
最普通的應用是基於打賭:置信度反映在行為主體願意在命題上下注的意願上。
當信任有程度的時候,機率計算的定理測量信任的理性程度,就像一階邏輯的定理測量信任的理性程度一樣。
很多人將置信度視為經典的真值(真或假)的一種擴展。
哈羅德·傑弗里斯,RichardT.Cox,EdwinJaynes和I.J.Good研探了貝氏定理。
其他著名貝氏定理的支持者包括約翰·梅納德·凱因斯和B.O.Koopman。
變種[編輯]術語主觀機率,個人機率,認知機率和邏輯機率描述了通常成為貝氏學派的思想中的一些。
這些概念互相重疊,但有不同的側重。
這裡提到的一些人物不會自稱是貝氏學派的。
貝氏機率應該測量某一個體對於一個不確定命題的置信程度,因此在這個意義下是主觀的。
有些自稱貝氏學派的人並不接受這種主觀性。
客觀主義學派的主要代表是EdwinThompsonJaynes和哈羅德·傑弗里斯。
也許現在還在世的主要客觀貝氏學派人物是
常見投資理財問答
簡單到不可思議的貝氏統計學貝氏定理excel貝葉斯統計貝 氏 統計:原理與應用事前機率 事後機率貝氏分類貝氏統計分析統計與機率 從 基礎至 貝 氏 統計貝 氏 統計 PTT貝氏統計 導論古典統計 貝 氏 統計簡單到不可思議的 貝 氏 統計學貝氏統計 書貝氏統計原理與應用貝氏統計ptt貝氏統計:原理與應用貝氏定理機器學習貝氏定理例題貝氏資料分析貝氏估計貝氏統計書貝氏推論古典統計貝氏統計應用 貝 氏 統計分析貝 氏 統計 導論