天才一秒记住【狂风中文网】地址：https://www.kfzw.net
第16讲“概率分布图”
帮助我们进行更加通用的推理
banner"
>
16-1到达到实用水平，需要“概率分布图”
和“期待值”
截至上一讲，我们已经完成了对于贝叶斯推理的基本技巧、以及运用常见的概率记号对其进行描述的知识点进行了解说。
至此，进行简单设定的推理已经完全不成问题。
但如果要对于稍微复杂的设定进行推理、或是进行通用性推理的话，之前所介绍的方法就略显不足了。
对于稍微复杂的设定进行推理、以及进行通用性推理时，需要了解“概率分布图”
和“期待值”
相关的知识，尤其是在连续性概率分布这种基本事件无限多的情况下，以上背景知识更是不可缺少的。
我们从本讲开始学习这个知识点。
而在后面几讲中，将会对贝叶斯推理中最有代表性、重要的“贝塔分布”
和“正态分布”
进行解说。
在本讲中，首先为大家解说贝塔分布的出发点——“均匀分布”
的相关内容。
16-2思考“同样的可能”
型的概率模型
想象一下抛硬币和掷骰子试验的常规概率模型，就很容易理解“均匀分布”
的概念了。
正如第14讲中解说的那样，概率模型是根据基本事件和对其概率的分配来进行定义的。
以抛硬币为例，其基本事件的集合表示为：
{正面，反面}
为每个基本事件分配相同的概率，即：
这些基本事件被称为“大致相同”
。
也就是说，可以把“正面”
和“反面”
设定为基本相同的情况。
而在掷骰子的情况，也正如第14讲中所解说的那样，基本事件的集合可以表示为：
{1，2，3，4，5，6}
而分配概率的方法，则是把点数K出现的概率记为p（{k}），那么：
此时，6个基本事件也是“大致相同”
的。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！