Official users
json77
This person is lazy, nothing was left behind...
Followed
0
Following
0
Viewed
0
Liked
0
动态
文章
书
帖子
提问
回答
收藏夹
json77 published a new post 2025-04-16 10:17:05

🍵 阴天宅家煮茶听雨，允许自己当一天"无欲无求の佛系青年"

没有计划表，没有KPI，只有茶香和雨声🌧️。 不必在乎同事的目光，也不必理会领导的脸色 学会享受"什么都不必追赶"的松弛感☁️，你们今天也躺平了吗？

json77 published a new post 2025-04-07 14:19:29

🔥 啊啊啊今天中了彩票！感觉心都要跳出来了，家人们谁懂啊！

下班路过彩票站随手一刮，居然中了奶茶券！✨ 对着阳光反复确认过数字后，“哟吼！” 我直接原地蹦跶引得路人纷纷侧目。 立刻拍照发家族群，收获23条「吸欧气」表情包 💬 评论区随机揪3位幸运伙伴，请喝同款奶茶！

json77 answered the question 2025-03-25 10:13:15

频率派和贝叶斯派到底在争论什么？

频率派（Frequentist）和贝叶斯派（Bayesian）是统计学中的两大主要学派，它们的争论主要围绕概率的解释和推断方法。这两派的主要差异可以从以下几个方面来理解：概率的定义：频率派：认为概率是一个长期频率，即某事件在无限次独立重复试验中发生的比例。例如，抛硬币时，频率派认为正面朝上的概率是长期重复实验中正面朝上的比例。贝叶斯派：认为概率是对一个事件发生的不确定性的度量，是对某种假设或事件的信念的表达。概率不仅限于实验中的长期频率，还可以是对未知量的主观信念。例如，在不知道硬币是否公平的情况下，贝叶斯派认为正面朝上的概率可以通过主观判断来表示。参数的看法：频率派：认为参数是固定的，不随数据变化。在频率派看来，参数值是“未知的常数”，并通过数据进行估计。贝叶斯派：认为参数本身也有不确定性。贝叶斯派会用概率来表示参数的分布，认为参数本身也是一个随机变量。推断方法：频率派：采用假设检验、置信区间等方法，重点是基于样本数据估计参数并做出推断。频率派方法不使用先验信息，完全依赖于样本数据。贝叶斯派：采用贝叶斯定理进行推断，结合先验分布（代表对参数的初步信念）和数据的似然函数来更新对参数的信念，得到后验分布。贝叶斯派认为任何推断都应考虑先验信息。计算与实际应用：频率派：通常计算较为直观，依赖于经典的最大似然估计（MLE）等方法，计算方式较为简洁，但在某些复杂模型中可能难以操作。贝叶斯派：计算可能较为复杂，需要通过数值方法（如MCMC）来进行近似，但它可以很好地处理参数的不确定性，特别是在数据较少或先验信息丰富的情况下表现优越。总结来说，频率派和贝叶斯派争论的核心问题是如何看待概率以及如何利用这些概率进行推断。频率派注重数据的频率和经验，而贝叶斯派则强调对未知信息的不确定性，注重对参数的主观信念的更新。