英国谢菲尔德大学贝叶斯统计课程有没有详解？

同学你好，不必担心，考而思做为一家专业的留学生辅导机构，致力于解决留学生的课程难题已经有13年了，辅导过很多谢菲尔德大学的学子与贝叶斯统计不太纯熟的同学，我们的很有经验的。

　　什么是贝叶斯统计?

　　贝叶斯统计是一种将概率应用于统计问题的特殊方法。它为我们提供了数学工具根据看到的关于这些事件的新数据或证据，更新我们对随机事件的信念。

　　尤其是贝叶斯推理解释概率作为某一个的量度可信度或者信心那是一个个人的可能知道某一特定事件的发生。

　　我们可能有一个先前的对某一事件的信念，但当新的证据被揭露时，我们的信念可能会改变。贝叶斯统计给了我们一个坚实的数学方法来整合我们以前的信念和证据，以产生新的后部的信仰。

　　贝叶斯统计为我们提供了数学工具，根据新的数据或证据合理地更新我们的主观信念。

　　这与另一种形式的统计推断，被称为经典的或者频率论者统计学，假设概率是频率特定随机事件发生在长期属的反复试验。

　　我们从考虑的定义开始条件概率，它为我们提供了确定事件概率的规则

　　A鉴于另一事件的发生

　　B这方面的一个例子可能是“下雨的可能性有多大考虑到天空中有云吗?"

　　条件概率的数学定义如下:

　　简单地说，概率A假设发生B发生的概率等于它们都发生的概率，相对于B发生了。

　　或者用上面例子的语言:下雨的概率假设我们看到了云等于下雨的概率和云一起出现，相对于看到云的概率。

　　如果我们把这个等式的两边乘以P(B)我们得到:

　　但是，我们可以简单地做同样的陈述P(B|A)，这类似于问"考虑到正在下雨，看到云的概率是多少?"：

　　注意到P(A∩B)=P(B∩A)所以通过代入上面的公式，乘以P(A)，我们得到:

　　我们现在能够为设置两个表达式P(A∩B)彼此相等:

　　如果我们现在把双方分成P(B)我们得出著名的贝叶斯法则:

　　然而，这将有助于以后使用贝叶斯规则来修改分母，P(B)在上述关系的右侧，用P(B|A)。我们可以写下:

　　这是可能的，因为事件A是样本空间的详尽划分。所以通过代入条件概率的定义，我们得到:

　　最后，我们可以从上面把它代入贝叶斯规则，得到贝叶斯规则的另一个版本，它在贝叶斯推理中被大量使用:

　　既然我们已经推导出了贝叶斯规则，那我们就能够把它应用于统计推断的工作之中了。

如果同学你还有什么不明白或想要了解更多相关知识的，可以通过我们下方的微信或与我们的在线客服来取得联系哦。