ฟังก์ชั่นความน่าจะถูกกำหนดให้เป็นอิสระจากหรือก่อนที่จะกระบวนทัศน์ทางสถิติที่ใช้สำหรับการอนุมานเป็นฟังก์ชั่น, (หรือ ) ของพารามิเตอร์ , ฟังก์ชั่น ขึ้นอยู่กับหรือจัดทำดัชนีโดยการสังเกต ( ) สำหรับการอนุมานนี้ และโดยปริยายขึ้นอยู่กับตระกูลของความน่าจะเป็นแบบจำลองที่เลือกเพื่อแสดงถึงความแปรปรวนหรือการสุ่มในข้อมูล สำหรับค่าที่กำหนดของคู่ค่าของฟังก์ชั่นนี้จะเหมือนกับค่าความหนาแน่นของแบบจำลองที่−−L(θ;x)L(θ|x)θ−−x(θ,x)xเมื่อจัดทำดัชนีที่มีพารามิเตอร์\θซึ่งมักแปลอย่างหยาบ ๆ ว่า "ความน่าจะเป็นของข้อมูล"
เพื่ออ้างอิงแหล่งข้อมูลเชิงประวัติศาสตร์และเชื่อถือได้มากกว่าคำตอบก่อนหน้านี้ในฟอรัม
"เราอาจพูดถึงความน่าจะเป็นของการเกิดขึ้นของปริมาณที่สามารถสังเกตได้ ... ในความสัมพันธ์กับสมมติฐานใด ๆ ที่อาจได้รับการแนะนำให้อธิบายการสังเกตเหล่านี้เราไม่สามารถรู้ถึงความน่าจะเป็นของสมมติฐาน ... [เรา] อาจยืนยันโอกาส ของสมมติฐาน.. โดยการคำนวณจากการสังเกต:... เพื่อพูดถึงความน่าจะเป็น... ของปริมาณที่สังเกตได้ไม่มีความหมาย " RA ฟิชเชอร์ใน `` น่าจะเป็นข้อผิดพลาด '' ของค่าสัมประสิทธิ์ของความสัมพันธ์อนุมานได้จากกลุ่มตัวอย่างขนาดเล็ก Metron 1, 1921, p.25
และ
"สิ่งที่เราสามารถหาได้จากตัวอย่างคือความน่าจะเป็นของค่าใด ๆ ของ r หากเรานิยามความน่าจะเป็นเป็นปริมาณตามสัดส่วนความน่าจะเป็นที่จากประชากรที่มีค่า r โดยเฉพาะตัวอย่างที่มีค่าที่สังเกตได้ของ r ควรได้รับ " RA ฟิชเชอร์ใน `` น่าจะเป็นข้อผิดพลาด '' ของค่าสัมประสิทธิ์ของความสัมพันธ์อนุมานได้จากกลุ่มตัวอย่างขนาดเล็ก Metron 1, 1921, p.24
ซึ่งกล่าวถึงสัดส่วนที่ Jeffreys (และฉัน) พบว่าไม่จำเป็น:
"..likelihood เป็นคำที่สะดวกสบายที่ได้รับการแนะนำโดยศาสตราจารย์ RA Fisher แม้ว่าในการใช้งานของเขาบางครั้งก็ถูกคูณด้วยปัจจัยคงที่นี่เป็นความน่าจะเป็นของการสังเกตที่ได้รับข้อมูลดั้งเดิมและสมมติฐานภายใต้การสนทนา" H. Jeffreys, ทฤษฎีความน่าจะเป็น , 1939, p.28
หากต้องการอ้างอิง แต่ประโยคเดียวจากผลงานประวัติศาสตร์ที่ยอดเยี่ยมในหัวข้อโดย John Aldrich (วิทยาศาสตร์สถิติ, 1997):
"ฟิชเชอร์ (1921, p. 24) ร่างใหม่สิ่งที่เขาเขียนในปี 1912 เกี่ยวกับความน่าจะเป็นแบบผกผัน, แยกความแตกต่างระหว่างการดำเนินการทางคณิตศาสตร์ที่สามารถดำเนินการกับความหนาแน่นของความน่าจะเป็นและความน่าจะเป็น ." J. Aldrich, RA Fisher และการสร้างโอกาสสูงสุด 1912 - 1922 , 1997 , p.9
เมื่อนำวิธีการแบบเบย์มาใช้ฟังก์ชั่นความน่าจะไม่เปลี่ยนแปลงในรูปร่างหรือในธรรมชาติ มันทำให้ความหนาแน่นของการเป็นที่ดัชนีโดย\คุณลักษณะเพิ่มเติมคือเนื่องจากยังมอบให้กับแบบจำลองความน่าจะเป็น, การกระจายก่อนหน้า, ความหนาแน่นที่ดัชนีโดยยังสามารถตีความได้ว่าเป็นความหนาแน่นแบบมีเงื่อนไข , เงื่อนไขในการก่อให้เกิด : ในแบบจำลอง Bayesian , หนึ่งการสำนึกของถูกสร้างขึ้นจากก่อนหน้า, ด้วยความหนาแน่น , จากนั้นการสำนึกของ ,xθθxθθθπ(⋅)Xxที่ผลิตจากการจัดจำหน่ายที่มีความหนาแน่น , ดัชนีโดย\ในคำอื่น ๆ และด้วยความเคารพในตัวชี้วัดที่มีอำนาจเหนือเหมาะสมคู่มีความหนาแน่นร่วม
จากที่หนึ่งที่บุคลากรมีความหนาแน่นหลังของ , นั่นคือความหนาแน่นของเงื่อนไขเงื่อนไขในการรับรู้ของขณะที่
ก็แสดงเป็น
พบตั้งแต่ฟรีย์ (1939)L(θ|⋅)θ(θ,x)
π(θ)×L(θ|x)
θθxπ(θ|x)∝π(θ)×L(θ|x)
posterior∝prior×likelihood
หมายเหตุ:ฉันพบความแตกต่างที่เกิดขึ้นในหน้าวิกิพีเดียเกี่ยวกับฟังก์ชั่นความเป็นไปได้ระหว่างโอกาสที่เกิดขึ้นบ่อยและเบย์ทำให้เกิดความสับสนและไม่จำเป็นหรือเป็นเพียงความผิดที่ธรรมดาเนื่องจากสถิติของเบย์ ในทำนองเดียวกัน "ความแตกต่าง" ชี้ให้เห็นในหน้าวิกิพีเดียเกี่ยวกับทฤษฎีบทของเบย์ฟังดูสับสนมากกว่าสิ่งอื่นใดเนื่องจากทฤษฎีบทนี้เป็นคำแถลงความน่าจะเป็นเกี่ยวกับการเปลี่ยนแปลงของเงื่อนไขโดยอิสระจากกระบวนทัศน์หรือจากความหมายของ ( ในความคิดของฉันมันเป็นคำนิยามมากกว่าทฤษฎีบท!)