这个关系实际上涉及高等数学与概率统计两个学科知识的对比
参数求解对应于普通方程的参数求解(根)
参数估计对应于概率分布函数的参数求解
方程的变量——参数求解
根据条件联立方程,这里的条件是没有概率的,条件是固定不变的,也可以说概率 p=1
参数求解结果,一般是固定不变的,没有概率之说,
可能会出现不唯一的解,或者通解,但是这些解没有概率的概念
随机的变量——参数估计
根据各种估计方法,比如一阶矩、二阶矩等,“求解”出的参数,这些参数是一层不变的吗?
不,为什么?
我们求解的方式是什么?
根据抽样得出的样本,然后联立形成“方程”,根据这个“方程”求解(估计)的参数
抽取样本是有概率,样本的总体自身是具有概率分布的,所以“求解”(估计)的结果自然带有概率,一定不是固定值,只能说很大可能性(很大的概率)等于我们求出的值
此时,我们就可以用假设这个参数估计是对的情况下,通过其他的样本去检验我们求解的参数到底可不可信,所以有了“假设检验”章节的知识
所以,这就是为什么机器学习和深度学习这两个AI的领域分支极大地需要数理统计的基础知识
网友评论