为什么似然函数不是逆谬误的情况?

机器算法验证 可能性 贝叶斯 可能性 谬论
2022-03-31 01:01:48

这可能是一个微不足道的问题,但作为一名研究心理学家,我没有强大的统计学背景来回答它。

在我看来,似然函数犯了逆谬误,而这正是使用贝叶斯定理所避免的。我确信可能性背后的逻辑是合理的,但我不明白为什么这不是错误地将两个不同的条件概率等同起来的情况(即逆谬误)。L(θ|data)=P(data|θ)

2个回答

从您的链接:

逆的混淆,也称为条件概率谬误或逆谬误,是一种逻辑谬误,因此条件概率与其逆是模棱两可的

即这是在谈论错误地认为 P(A|B) 与 P(B|A) 相同。

然而,这种可能性根本不被视为这种意义上的条件概率。换句话说,被清楚地理解为不是L(θ|data)P(θ|data)

(实际上,作为的函数,通常它甚至不会积分为 1!从这个意义上说,它不可能是概率分布。)θ

在用概率术语讨论可能性时,人们总是谈论 ......也就是说,它是根据它来定义的。P(data|θ)

鉴于不被视为条件概率的可能性,这在什么意义上是“逆谬误”?L(θ|data)P(θ|data)

这不是说 =它正在定义似然函数。P(θ|data)P(data|θ)