摘要： 
我們在上一篇博客中介紹了傳統的抽樣理論。其中，我們導出了幾種經典的抽樣分布，也即給定關于所觀察現象的假設H，數據D的概率分布p(D | H)。在上一篇博客中提到的伯努利壇子模型中，假設H即壇子的內容，數據D即重復抽球所生成的紅球和白球序列。但正如我們我們在上一篇博客的末尾所述，幾乎所有實際的科學推斷問題都處在相反的使用場景：我們已知數據D，希望確定假設H。更一般地說，已知數據D，如何求概率分布p(H_1 | D), p(H_2 | D), ...，以指出給定假設{H_1, H_2, ...}中哪一個成立？例如，我們的假設可能是對生成數據的物理機制的各種推斷。但是從根本上講，物理因果關系不是問題的必要組成部分，重要的只是假設和數據之間有某種邏輯關系。我們將這類問題稱為假設檢驗（hypothesis testing）。 閱讀全文
我們在上一篇博客中介紹了傳統的抽樣理論。其中，我們導出了幾種經典的抽樣分布，也即給定關于所觀察現象的假設H，數據D的概率分布p(D | H)。在上一篇博客中提到的伯努利壇子模型中，假設H即壇子的內容，數據D即重復抽球所生成的紅球和白球序列。但正如我們我們在上一篇博客的末尾所述，幾乎所有實際的科學推斷問題都處在相反的使用場景：我們已知數據D，希望確定假設H。更一般地說，已知數據D，如何求概率分布p(H_1 | D), p(H_2 | D), ...，以指出給定假設{H_1, H_2, ...}中哪一個成立？例如，我們的假設可能是對生成數據的物理機制的各種推斷。但是從根本上講，物理因果關系不是問題的必要組成部分，重要的只是假設和數據之間有某種邏輯關系。我們將這類問題稱為假設檢驗（hypothesis testing）。 閱讀全文
posted @ 2024-12-21 22:35
orion-orion
閱讀(359)
評論(0)
推薦(0)
浙公網安備 33010602011771號