今天,是概率论主题写作第10天。
从早晨,一直拖到了晚上,
但是不能拖到明天。
所以,现在开始,
无论写得什么样子,
先写,
再说。
今天主题,
条件概率。
如果一个随机事件的概率,
因为某个条件的发生而改变,
那么在这个条件发生的情况下,
随机事件发生的概率就是条件概率。
很多条件概率是很隐蔽的,
现实中所有的概率本质上,
都是条件概率,
条件与发生相伴。
但,
条件概率量化了条件对随机事件的影响,
但它只表示统计意义上的相关性,
并不代表因果关系。
另外,
根据新信息,
不断调整对一个随机事件发生概率的判断,
这就是贝叶斯推理。
贝叶斯推理拓宽了概率这个概念的边界,
在贝叶斯推理中,
概率是对信心的度量,
是我们对某个结果相信程度的定量化表达。
贝叶斯推理有两大优势:
第一,起点不重要,迭代很重要;
第二,信息越充分,结果越可靠。
最后,
补充上一篇关于假设检验的,
一个重要却遗漏的前提,
如果一个随机事件明明不是正态分布,
却偏要用假设检验,
一定会出错。
2020.08.06
网友评论