概率不是似然

1. 公式
   观察依据

   公式$P(x \mid \theta)$显示在屏幕上。

2. 声音
   观察依据

   讲述者将其读作“给定θ时x的P”。

P

概率记号；条件概率算子。

该记号应用于视频中的数对$(x, \theta)$。

1. 公式
   观察依据

   $x$出现在$P(x \mid \theta)$内部。

2. 动画
   观察依据

   在00:06-00:13处，$x$被框出并标注为“vary”，而$\theta$被标注为“fix”。

3. 动画
   观察依据

   在00:14-00:26处，$x$被下划线并标注为“fix”，而$\theta$被框出并标注为“vary”。

4. 声音
   观察依据

   讲述者在讨论概率时说“让x变化”，在讨论似然时说“若你固定x”。

x

数据或观测结果变量；在具体例子中，它对应于正面朝上的次数。

1. 公式
   观察依据

   $\theta$出现在$P(x \mid \theta)$内部。

2. 动画
   观察依据

   在00:06-00:13处，$\theta$被下划线并标注为“fix”。

3. 动画
   观察依据

   在00:14-00:26处，$\theta$被框出并标注为“vary”。

4. 声音
   观察依据

   讲述者说：在概率中“固定θ”，而在似然中“让θ变化”。

$\theta$

模型参数；在抛硬币示例中，它被实例化为$p$。

1. 公式
   观察依据

   $p = 0.5$显示在00:29-00:33处。

2. 声音
   观察依据

   讲述者说：“一枚正面朝上概率为0.5的硬币。”

3. 公式
   观察依据

   后续几行展示了$p = 0.3$、$p = 0.5$和$p = 0.7$。

4. 图示
   观察依据

   似然图在横轴上使用$p$，取值范围从0到1。

p

硬币正面朝上的概率参数；示例中所用的$\theta$的具体数值。

视频将其绘制在0与1之间的取值范围内。

1. 图示
   观察依据

   纵轴标注为$P(k)$。

2. 公式
   观察依据

   归一化方程为$\sum_{k=0}^{10} P(k) = 1$。

3. 公式
   观察依据

   一个高亮显示的数值写作$P(7) = 0.117$。

k

在10次抛掷中出现正面的次数；由概率条形图索引的离散结果。

可见的求和范围是$k=0,1,\dots,10$。

1. 图示
   观察依据

   第二张图的纵轴标注为$L(p)$。

2. 声音
   观察依据

   讲述者将所绘制的对象称为“似然函数”。

$L(p)$

参数$p$在固定观测到7次正面、共10次抛掷下的似然函数。

1. 公式
   观察依据

   $\sum_{k=0}^{10} P(k) = 1$出现在屏幕上。

2. 声音
   观察依据

   讲述者说：“所有这些条形的高度之和恰好为一。”

$\sum_{k=0}^{10} P(k) = 1$

对所有可能正面次数的概率分布所要求的归一化条件。

1. 图示
   观察依据

   第一个图像的纵轴标记为 $L(p)$。

2. 公式
   观察依据

   显示的似然公式为 $L(p) = \binom{10}{7} \cdot p^7 \cdot (1-p)^3$。

3. 声音
   观察依据

   讲述者提到似然函数，并指出它并不告诉你参数 p 取某一特定值的概率。

$L(p)$

针对硬币参数 p 的似然函数，在观测数据 $k=7$ 次正面（共 $n=10$ 次抛掷）处取值。

p 属于区间0到1

1. 图示
   观察依据

   似然图像的横轴标记为 p，刻度从 0.2 到 1.0。

2. 声音
   观察依据

   讲述者指出峰值恰好位于 $p = 0.7$ 处，并随后对比了固定 p 与变动 p 的情形。

3. 公式
   观察依据

   p 出现在公式 $L(p) = \binom{10}{7} \cdot p^7 \cdot (1-p)^3$ 中，也出现在对比文字‘固定 $p = 0.5$，变动 k’和‘固定 $k = 7$，变动 p’中。

p

代表硬币正面朝上概率的参数；在似然视角下，它被视为在不同取值间进行比较的变量。

p 大于等于 0 且小于等于 1

1. 公式
   观察依据

   显示的不等式为 $\int_0^1 L(p)$\,dp $\neq 1$。

2. 声音
   观察依据

   讲述者说：‘如果你计算该曲线下方的面积，其结果不等于一。’

$\int_0^1 L(p)$\,dp

似然函数在参数全范围 $p \in [0,1]$ 上的积分；用于说明似然函数不像概率密度函数那样经过归一化。

1. 公式
   观察依据

   二项式系数 $\binom{10}{7}$ 出现在所展示的似然公式中。

2. 声音
   观察依据

   讲解员说：‘对于我们的硬币，p 的似然函数 $L(p)$ 等于二项式系数乘以 p 的七次方再乘以一减 p 的三次方。’

$\binom{10}{7}$

二项式系数，表示在7次抛掷中得到10个正面的方法数。

1. 公式
   观察依据

   因子 $p^7$ 出现在 $L(p) = \binom{10}{7} \cdot p^7 \cdot (1-p)^3$ 中。

2. 声音
   观察依据

   讲述者将公式朗读为‘乘以 p 的七次方’。

$p^7$

当每次出现正面的概率为 p 时，观察到 7 次正面所带来的概率贡献。

1. 公式
   观察依据

   $P(x \mid \theta)$在整个开场片段中持续显示。

2. 动画
   观察依据

   标签“固定”与“变化”在$\theta$和$x$之间切换。

3. 声音
   观察依据

   讲述者指出，同一公式根据何者被固定而具有两种不同含义。

视频从操作层面定义了这一区别：若$\theta$固定而$x$变化，则$P(x \mid \theta)$被视为关于数据的概率；若$x$固定而$\theta$变化，则同一表达式被视为关于模型参数的似然。

1. 对于概率：$\theta$固定，$x$变化。

2. 对于似然：$x$固定，$\theta$变化。

1. 动画
   观察依据

   $x$用“变化”加方框标注，$\theta$用“固定”加下划线标注。

2. 字幕依据
   观察依据

   公式下方显示单词“Probability”。

3. 声音
   观察依据

   讲解者提问：“在已知模型的前提下，这些数据出现的可能性有多大？”

当模型参数固定时，该表达式衡量在该已知模型下每种可能的数据结果出现的可能性。

1. 参数/模型固定。

2. 数据/结果允许变化。

1. 同一个条件表达式既可以表示概率，也可以表示似然。

1. 动画
   观察依据

   $x$用“固定”加下划线标注，$\theta$用“变化”加方框标注。

2. 字幕依据
   观察依据

   公式下方显示单词“Likelihood”。

3. 声音
   观察依据

   讲解者提问：“在我们已观测到这些数据的前提下，该模型的合理性有多大？”

当数据固定时，该表达式衡量不同参数值作为观测数据解释的合理性程度。

1. 观测数据是固定的。

2. 参数/模型允许变化。

1. 同一个条件表达式既可以表示概率，也可以表示似然。

1. 图示
   观察依据

   绘制一个条形图，横轴为“正面朝上次数”，范围从1到10，纵轴为$P(k)$。

2. 声音
   观察依据

   讲解员说明：每个条形代表恰好出现该特定正面朝上次数的概率。

3. 公式
   观察依据

   $p = 0.5$持续显示在图表上方。

1. 可见的刻度标签从1开始，但求和运算与讲解内容均包含0次正面朝上。

当$p=0.5$固定时，视频将10次抛掷中不同正面朝上次数的概率表示为按结果次数索引的独立条形。

1. 硬币模型固定为$p=0.5$。

2. 抛掷次数为10。

3. $k$表示可能出现的正面朝上的次数。

1. 概率表示在已知模型下数据的合理性

1. 公式
   观察依据

   $\sum_{k=0}^{10} P(k) = 1$显示在屏幕上。

2. 声音
   观察依据

   解说员指出，所有柱状条的高度之和恰好为一，这使其成为一个概率分布。

视频指出了所展示概率分布的定义性质：所有可能结果的概率之和等于1。

1. 结果$k=0,1,\dots,10$穷尽了在10次抛掷中正面朝上次数的样本空间。

1. 10次公平硬币抛掷的正面朝上次数的概率分布

1. 字幕依据
   观察依据

   标题“似然曲线”出现。

2. 图示
   观察依据

   绘制了一张横轴为$p$、纵轴为$L(p)$的图像。

3. 声音
   观察依据

   解说员说：“这就是似然函数。”

在将观测结果固定为7次正面朝上、共10次抛掷后，视频将$L(p)$对$p$作图，使得在每个$p$处的纵坐标高度表示该参数值在给定数据下的合理性。

1. 数据被固定为7次正面朝上、共10次抛掷。

2. $p$ 在 0 和 1 之间的数值范围内取值。

1. 似然度表示在给定观测数据下，某个模型的合理性

1. 图示
   观察依据

   一张标题为“似然曲线”的图表在纵轴标记为 $L(p)$、横轴标记为 p 的坐标系上显示了一条橙色的钟形曲线。

2. 声音
   观察依据

   讲述者指出峰值位于 $p = 0.7$，并解释似然值表示每个 p 值解释观测数据的好坏程度。

3. 公式
   观察依据

   显示在曲线阴影区域旁的不等式为 $\int_0^1 L(p)$\,dp $\neq 1$。

视频将 $L(p)$ 展示为定义在参数 $p \in [0,1]$ 上的一条曲线。其高度衡量每个候选 p 值对已观测数据的支持强度，在所展示的例子中，最大值出现在 $p = 0.7$。

1. 参数 p 被限制在区间 [0,1] 内。

2. 该曲线是在固定观测数据的前提下进行计算的。

1. 公式
   观察依据

   屏幕上显示 $\int_0^1 L(p)$\,dp $\neq 1$。

2. 字幕依据
   观察依据

   图下方显示文字：“这不是概率分布！”

3. 声音
   观察依据

   讲述者指出：‘似然函数不是概率分布。它并不告诉你 p 取某个特定值的概率。’

似然函数在数据固定后，为不同参数值分配相对支持度。与定义在结果空间上的概率分布不同，它未被归一化，因此其总面积不等于 1。

1. 适用于将 $L(p)$ 视为参数 p 的函数，而数据保持不变的情形。

1. 似然曲线作为参数的函数

1. 字幕依据
   观察依据

   标题卡片显示“最大似然”。

2. 声音
   观察依据

   讲述者说：“最自然的做法是选择位于顶部的那个值，这就是最大似然估计。”

3. 公式
   观察依据

   显示的结果为 $\hat{p}_{\text{MLE}} = \frac{7}{10} = 0.7$。

最大似然估计是使观测数据的似然函数取最大值的参数值。在抛硬币的例子中，所选估计值即为似然曲线的峰值点。

1. 必须存在一个定义在候选参数值上的似然函数。

2. 该估计是在数据固定之后选出的。

1. 似然曲线作为参数的函数

1. 公式
   观察依据

   屏幕上显示 $L(p) = \binom{10}{7} \cdot p^7 \cdot (1-p)^3$。

2. 声音
   观察依据

   讲述者说：“对于我们的硬币，$L(p)$ 等于二项式系数乘以 p 的七次方，再乘以一减 p 的三次方。”

3. 图示
   观察依据

   公式下方的图像显示似然值先上升，在 $p=0.7$附近达到峰值，随后再次下降。

对于抛硬币的例子，观察到7次正面朝上、共抛掷10次的似然，写作关于p的二项式表达式。因子$\binom{10}{7}$表示排列数，$p^7$表示正面朝上的概率贡献，(1-p)^3表示反面朝上的概率贡献。

1. 假设有10次相互独立的抛掷。

2. 观测到的正面朝上次数为$k=7$。

3. p表示单次抛掷中正面朝上的概率。

1. 似然曲线作为参数的函数
2. $\binom{10}{7}$
3. $p^7$
4. (1-p)^3

1. 字幕依据
   观察依据

   左图标注为‘概率’，下方注明‘固定$p = 0.5$，变动k’；右图标注为‘似然’，下方注明‘固定$k = 7$，变动p’。

2. 声音
   观察依据

   讲解者指出，二者唯一区别在于：你将哪个变量固定、哪个变量变动。

3. 公式
   观察依据

   两个图之间显示了共享的表达式$P(x \mid \theta)$。

该视频通过展示概率与似然均可从同一个条件表达式$P(x \mid \theta)$中读出，来对比二者：在概率视角下，参数固定而数据变动；在似然视角下，数据固定而参数变动。

1. 其中一种视角固定参数、变动数据。

2. 另一种视角固定数据、变动参数。

1. 似然曲线作为参数的函数
2. 最大似然估计
3. $P(x \mid \theta)$

1. 声音
   观察依据

   讲述者说：“这里有一个公式，却表示两种完全不同的含义。”

2. 字幕依据
   观察依据

   屏幕上显示文字：“相同公式，不同含义。”

表达式 $P(x \mid \theta)$ 在 $\theta$ 固定而 $x$ 变化时可表示概率；在 $x$ 固定而 $\theta$ 变化时可表示似然。

1. 正在考虑同一个符号表达式 $P(x \mid \theta)$。

2. $x$ 和 $\theta$ 中的一个被指定为固定，另一个则变化。

对于所展示的公式，改变哪一个自变量被固定，就会改变其解释。

1. 公式
   观察依据

   展示了 $\sum_{k=0}^{10} P(k) = 1$。

2. 声音
   观察依据

   讲述者说：“所有这些竖条加起来恰好等于一。这正是它构成概率分布的原因。”

对于所展示的概率模型，所有可能正面朝上次数对应的概率之和为 1。

1. 条形表示 $P(k)$ 所有可能结果的 $k=0,\dots,10$ 在 10 次抛掷中。

对所有从 $k$ 到 0 的 10。

1. 声音
   观察依据

   讲解员说：“对于横轴上的每一个p值，曲线高度表示：在观察到十次抛掷中出现七次正面的前提下，该p值的合理性。”

2. 图示
   观察依据

   该图像标注为$L(p)$关于$p$的图像。

在似然图上，曲线上某给定 $p$ 处的高度衡量了该 $p$ 在观测到 7 次正面朝上的数据条件下的合理性。10次抛掷。

1. 观测结果固定为7次正面、10次抛掷。

2. 横轴表示$p$的候选取值。

对于横轴上每一个已绘制的$p$值。

1. 公式
   观察依据

   图中显示的不等式为$\int_0^1 L(p)$\,dp $\neq 1$。

2. 声音
   观察依据

   讲述者说：“如果你计算该曲线下方的面积，结果不等于一。”

3. 字幕依据
   观察依据

   屏幕上显示文字：“这不是一个概率分布！”

对于所示的似然函数，p 从0到1的积分不等于1，因此 $L(p)$ 不是关于 p 的概率分布。

1. $L(p)$ 是硬币示例中的似然函数。

2. 参数空间为 $p \in [0,1]$。

对于在$0 \le p \le 1$上展示的似然函数 $L(p)$。

1. 声音
   观察依据

   讲述者说：“它并不告诉你 p 取某个特定值的概率；它告诉你每个 p 值解释观测数据的程度如何。”

似然函数衡量的是每个 p 值解释观测数据的好坏程度，而不是给出 p 本身取该值的概率。

1. 数据是固定的。

2. p 被视为待比较的参数。

对于参数空间中每个候选的 p 值。

1. 声音
   观察依据

   讲解者说：‘最自然的做法是选择位于顶部的那个，它就是最大似然估计。’

2. 公式
   观察依据

   显示的结果为 $\hat{p}_{\text{MLE}} = \frac{7}{10} = 0.7$。

3. 动画
   观察依据

   一个动点沿似然曲线移动，并停在标记为 $p = 0.70$ 的峰值处。

最大似然估计通过选取似然曲线顶部所对应的参数值得到；在本例中，该值为 0.7。

1. 已给出一个似然函数 $L(p)$。

2. 本例使用所展示的二项似然函数。

针对所展示的似然曲线。

1. 公式
   观察依据

   两个对比图示面板之间显示了共用的表达式 $P(x \mid \theta)$。

2. 声音
   观察依据

   讲解者说：‘两者下方的公式相同，都是给定 θ 时 x 的概率 P(x ∣ θ)。唯一的区别在于：你固定哪一个变量，又让哪一个变量变化。’

3. 字幕依据
   观察依据

   左侧面板标注为‘固定 $p = 0.5$，变动 k’，右侧面板标注为‘固定 $k = 7$，变动 p’。

概率与似然被视为同一底层表达式 $P(x \mid \theta)$ 的两种解读，区别在于变动的是数据还是参数。

1. 该对比使用了相同的底层条件表达式。

2. 一种视角固定参数、变动数据；另一种视角固定数据、变动参数。

此处对比中所用的通用表达式为 $P(x \mid \theta)$。

1. 公式
   观察依据

   左侧面板在概率条形图下方显示 $\sum = 1$。

2. 声音
   观察依据

   讲解员说：‘各条形高度之和为一。’

3. 字幕依据
   观察依据

   左侧面板文字为：‘固定 $p = 0.5$，变动 k’。

1. 在此后出现的面板中，求和项与求和指标未在画面上显示。

当参数被固定、而所有可能结果被遍历时，所得概率分布经过归一化，使得各概率之和为 1。

1. 示例中参数 p 固定为 0.5。

2. 所有可能的结果 k 均被包含在内。

针对图中所示的关于 k 的概率分布。

1. 公式
   观察依据

   右侧面板显示似然曲线下方的积分不等于1。

2. 声音
   观察依据

   讲解员说：‘该曲线的积分不等于一。’

3. 字幕依据
   观察依据

   右侧面板的文字为‘固定 $k = 7$，变动 p’。

1. 此后续面板中省略了明确的积分上下限与被积函数，而此前的面板曾展示 $\int_0^1 L(p)$\,dp $\neq 1$。

当数据固定而参数变动时，似然曲线未作归一化处理，且在整个参数空间上其积分不等于1。

1. 本例中 k 固定为7。

2. p 在其参数空间内变动。

针对图中所示的关于 p 的似然函数。

1. 公式
   观察依据

   屏幕上列出了$p = 0.3 \rightarrow 0.0090$、$p = 0.5 \rightarrow 0.1172$和$p = 0.7 \rightarrow 0.2668$。

2. 声音
   观察依据

   讲解员比较了这三个值，并得出结论：0.7看起来是最佳候选值。

3. 动画
   观察依据

   $p=0.7$对应的线条在末尾被加框标出。

1. 视频未展示二项式系数公式，也未展示支撑这些数字的完整代数计算过程。

1. 公式

   $$p = 0.3 \rightarrow 0.0090$$
   解释

   视频在候选值$p=0.3$下评估了固定的观测结果，并报告了0.0090。

   步骤依据

   直接显示在屏幕上，并由解说员口述。

   视频直接表达
2. 公式

   $$p = 0.5 \rightarrow 0.1172$$
   解释

   同一观测结果在$p=0.5$下被评估，得到更大的值0.1172。

   步骤依据

   直接显示在屏幕上，并由解说员口述。

   视频直接表达
3. 公式

   $$p = 0.7 \rightarrow 0.2668$$
   解释

   该观测结果在$p=0.7$下被评估，得到所列三个数值中最大的一个。

   步骤依据

   直接显示在屏幕上，并由解说员口述。

   视频直接表达
4. 公式

   $$0.7 \text{ is the best candidate among } \{0.3,0.5,0.7\}$$
   解释

   由于0.2668大于0.1172且大于0.0090，视频将$p=0.7$识别为从抽样值中得出的最优候选值。

   步骤依据

   对屏幕上显示的三个数值输出进行比较。

   视频直接表达

在所测试的三个值中，$p=0.7$使观测到7次正面、共10次抛掷的似然最大。

1. 声音
   观察依据

   解说员说道：“我们不再只检验少数几个值，而是将此函数绘制成图，覆盖0到1之间所有可能的p值。”

2. 图示
   观察依据

   画面从列出的三个数值切换为一幅连续图像，标题为“似然曲线”。

1. 生成该曲线所用的确切函数形式并未在屏幕上写出。

1. 公式

   $$\text{sample } p=0.3,0.5,0.7$$
   解释

   视频最初仅检验了少数几个候选参数值。

   步骤依据

   如前一个对比列表中所示。

   视频直接表达
2. 公式

   $$\text{plot } L(p) \text{ for } 0 \le p \le 1$$
   解释

   随后，它将有限的列表替换为覆盖整个参数区间的一条连续曲线图。

   步骤依据

   讲解员明确宣布：对$p$在0与1之间的每一个可能取值作图。

   视频直接表达
3. 公式

   $$\text{peak near } p=0.7$$
   解释

   所得曲线在$p=0.7$附近达到峰值，与先前的数值对比结果一致。

   步骤依据

   所绘曲线的可见形状及先前标出的数值。

   视频直接表达

似然曲线将离散对比拓展为对所有$p\in[0,1]$的合理性进行连续可视化。

1. 动画
   观察依据

   一个红点沿橙色似然曲线从低 p 值滑向高 p 值，依次标有 $p = 0.17$、$p = 0.38$、$p = 0.59$，最终在峰值处标为 $p = 0.70$。

2. 公式
   观察依据

   公式 $L(p) = \binom{10}{7} \cdot p^7 \cdot (1-p)^3$ 始终显示在图像上方。

3. 声音
   观察依据

   讲解员指出，似然函数先上升，在 0.7 处达到峰值，再下降，并将极大似然估计（MLE）确定为 $7/10 = 0.7$。

1. 公式

   $$$$
   解释

   从抛硬币示例中显示的似然函数 $L(p)$ 出发。

   步骤依据

   该公式在动画开始前即显示在屏幕上。

   视频直接表达
2. 公式

   $$$$
   解释

   沿横轴从左向右移动 p，并观察曲线上对应点的高度变化。

   步骤依据

   动画随 p 的变化，沿曲线追踪一个动点。

   视频直接表达
3. 公式

   $$$$
   解释

   观察到曲线先上升，在 $p=0.7$ 附近达到最高点，随后下降。

   步骤依据

   讲解员在动点演示该上升—达峰—下降过程的同时，明确描述这一模式。

   视频直接表达
4. 公式

   $$\hat{p}_{\text{MLE}} = \frac{7}{10} = 0.7$$
   解释

   选取曲线上最高点所对应的参数值，作为极大似然估计。

   步骤依据

   讲解员将 MLE 定义为选取曲线顶端对应的值，最终显示的公式给出了该数值。

   视频直接表达

对于所示的似然曲线，极大似然估计即为峰值位置 $p=0.7$，记作 $\hat{p}_{\text{MLE}} = 7/10 = 0.7$。

1. 图示
   观察依据

   出现两个并排的面板：左侧为蓝色条形图，右侧为橙色曲线。

2. 字幕依据
   观察依据

   左侧文字：“概率”和“固定 $p = 0.5$，变动 k”；右侧文字：“似然”和“固定 $k = 7$，变动 p”。

3. 公式
   观察依据

   左侧归一化条件为求和等于 1，右侧非归一化条件为积分不等于 1，中间共用的表达式为 P(x ∣ θ)。

4. 声音
   观察依据

   讲述者解释道，二者唯一区别在于哪个变量保持不变、哪个变量发生变化。

1. 通用符号 x 和 θ 在本片段中以视觉方式引入，未配有单独的口头定义。

1. 公式

   $$$$
   解释

   将概率视角与似然视角并排呈现。

   步骤依据

   视频以分屏对比形式引入标题“一枚硬币的两面”。

   视频直接表达
2. 公式

   $$$$
   解释

   在左侧面板中，固定参数 $p = 0.5$，变动结果计数 k。

   步骤依据

   字幕明确显示：“固定 $p = 0.5$，变动 k”。

   视频直接表达
3. 公式

   $$\sum = 1$$
   解释

   由于考虑了所有可能的结果，概率质量之和为 1。

   步骤依据

   讲述者指出，各条形高度之和为一，并同步显示公式：求和等于 1。

   视频直接表达
4. 公式

   $$$$
   解释

   在右侧面板中，固定观测数据 $k = 7$，并变动参数 p。

   步骤依据

   图注明确写着“固定 $k = 7$，变动 p”。

   视频直接表达
5. 公式

   $$\int \neq 1$$
   解释

   由于该曲线是关于参数取值的似然函数，而非关于结果的概率分布，因此其积分不等于 1。

   步骤依据

   讲解员指出该曲线不积分为一，并显示公式 $\int \ne 1$。

   视频直接表达
6. 公式

   $$P(x \mid \theta)$$
   解释

   两个面板被呈现为同一底层条件表达式的两种不同解读。

   步骤依据

   讲解者说：“两者下方是同一公式。x 在给定 θ 下的概率。”该表达式显示于两个面板之间。

   视频直接表达

该片段的对比表明：概率与似然均使用相同的基本表达式 $P(x \mid \theta)$，但概率是在参数固定时变动数据，且具有归一化性质；而似然则是在数据固定时变动参数，且不具归一化性质。

1. 声音
   观察依据

   讲解员说道：“假设你有一枚硬币，其正面朝上的概率 p 等于0.5。你将其抛掷10次。”

2. 公式
   观察依据

   $p = 0.5$被显示出来。

3. 图示
   观察依据

   显示了一张按头数统计的条形图。

4. 公式
   观察依据

   $P(7) = 0.117$被高亮显示。

1. 屏幕上未写出精确的二项式公式。

2. 可见的横轴刻度标签从1开始，尽管解说中提到了0次正面朝上。

已知一枚硬币正面朝上的概率为$p=0.5$，求在10次抛掷中出现不同正面朝上次数的概率，尤其是恰好出现7次正面朝上的概率。

1. 对应的式子为：$p = 0.5$

2. 抛掷次数 = 10

3. 所关注的结果包括0、1、5和7次正面朝上

计算并可视化正面朝上次数的概率分布。

1. 公式

   $$\text{Fix } p = 0.5$$
   解释

   模型参数在讨论数据结果之前即已固定。

   步骤依据

   这与视频中对概率的定义一致，即$\theta$固定而$x$变化的情形。

   视频直接表达
2. 公式

   $$\text{Enumerate } k = 0,1,\dots,10$$
   解释

   可能出现的正面朝上的次数用独立的条形表示。

   步骤依据

   讲解者询问0次正面、1次正面、5次正面的情况，图表则显示对应正面次数的条形。

   视频直接表达
3. 公式

   $$\sum_{k=0}^{10} P(k) = 1$$
   解释

   所有正面次数对应的概率之和为1。

   步骤依据

   显式公式与讲解共同指出：这是概率分布的关键性质。

   视频直接表达
4. 公式

   $$P(7) = 0.117$$
   解释

   恰好出现7次正面的概率约为0.117，可直接从图中读出。

   步骤依据

   该数值在屏幕上被高亮显示，并由讲解者口头陈述。

   视频直接表达

当$p=0.5$固定时，恰好出现7次正面的10次抛掷的概率约为$0.117$，且所有结果的概率之和为1。

视频通过展示归一化方程$\sum_{k=0}^{10} P(k)=1$来验证该分布。

1. 字幕依据
   观察依据

   屏幕上出现“反转问题”以及“观测结果：7次正面，10次抛掷”。

2. 图示
   观察依据

   屏幕上显示七个标有 H 的圆圈和三个标有 T 的圆圈。

3. 公式
   观察依据

   屏幕列出$p = 0.3 \rightarrow 0.0090$、$p = 0.5 \rightarrow 0.1172$和$p = 0.7 \rightarrow 0.2668$。

4. 图示
   观察依据

   绘制了$L(p)$关于$p\in[0,1]$的似然曲线。

1. 基础的似然公式并未明确写出。

2. 曲线峰值在视觉上接近0.7，但未标出精确的最大化取值。

在固定观测到7次正面朝上和10次抛掷的前提下，比较$p$的候选取值，并确定哪一个参数值最合理。

1. 观测数据：7次正面朝上，共10次抛掷。

2. 检验的候选取值：$p=0.3,0.5,0.7$。

3. 绘制的参数范围：$0\le p\le 1$。

评估哪一个$p$最能解释观测数据，并将所有$p$对应的似然性可视化。

1. 公式

   $$\text{Fix the data: } 7 \text{ heads in } 10 \text{ flips}$$
   解释

   观测结果被视为固定的证据。

   步骤依据

   讲解者说：“这就是你的数据。它是固定的，已经发生了。”

   视频直接表达
2. 公式

   $$p = 0.3 \rightarrow 0.0090$$
   解释

   在$p=0.3$下评估该观测结果。

   步骤依据

   在屏幕上显示并由讲解者口述。

   视频直接表达
3. 公式

   $$p = 0.5 \rightarrow 0.1172$$
   解释

   在$p=0.5$下评估该观察结果。

   步骤依据

   显示在屏幕上并由旁白朗读。

   视频直接表达
4. 公式

   $$p = 0.7 \rightarrow 0.2668$$
   解释

   在$p=0.7$下评估该观察结果。

   步骤依据

   显示在屏幕上并由旁白朗读。

   视频直接表达
5. 公式

   $$\text{Plot } L(p) \text{ for } 0 \le p \le 1$$
   解释

   将有限比较替换为连续似然曲线。

   步骤依据

   讲解员明确要求对每一个可能的$p$ 在 0 和 1。

   视频直接表达

在所采样的数值中，$p=0.7$是最佳候选值，因为它给出最大的似然值0.2668；完整曲线展示了所有$p\in[0,1]$上的合理性分布。

该结论既得到所显示的三个似然值之间直接数值比较的支持，也得到绘图曲线在$p=0.7$附近出现峰值的支持。

1. 公式
   观察依据

   所显示的似然函数为 $L(p) = \binom{10}{7} \cdot p^7 \cdot (1-p)^3$。

2. 声音
   观察依据

   讲解者说：“对于我们的硬币……”，随后又说：“最大似然估计为 p 帽 等于 十分之七，即零点七。”

3. 动画
   观察依据

   一个点沿曲线移动，并停在标有 $p = 0.70$ 的峰值处。

已知一枚硬币被抛掷 10 次，观察到 7 次正面朝上，请将似然写成正面概率 p 的函数，并指出最大似然估计。

1. 抛掷次数 $n = 10$。

2. 观察到的正面次数 $k = 7$。

3. p 表示出现正面的概率。

构造似然函数 $L(p)$，并求出最大似然估计 $\hat{p}_{\text{MLE}}$。

1. 公式

   $$L(p) = \binom{10}{7} \cdot p^7 \cdot (1-p)^3$$
   解释

   将观察到 7 次正面和 3 次反面（共 10 次抛掷）的似然函数写为关于 p 的函数。

   步骤依据

   这是视频中明确展示并口头朗读的公式。

   视频直接表达
2. 公式

   $$$$
   解释

   将 $L(p)$ 视为定义在 $p \in [0,1]$ 上的一条曲线，并找出其最高点。

   步骤依据

   动画追踪该曲线，讲解员描述曲线先上升、再达到峰值、最后下降。

   视频直接表达
3. 公式

   $$\hat{p}_{\text{MLE}} = \frac{7}{10} = 0.7$$
   解释

   选取似然曲线峰值处对应的 p 值作为最大似然估计。

   步骤依据

   讲解员将最大似然估计（MLE）定义为取曲线顶端的那个值，最终显示的方程给出了该估计值。

   视频直接表达

最大似然估计量 $\hat{p}_{\text{MLE}}$ 等于0.7

该答案与图中标注的峰值位置 $p = 0.70$ 一致，也与最终显示的方程 $\hat{p}_{\text{MLE}} = 7/10 = 0.7$ 一致。

1. 字幕依据
   观察依据

   标题卡片显示“一枚硬币的两面”。

2. 图示
   观察依据

   左侧面板显示蓝色条形图；右侧面板显示橙色似然曲线。

3. 字幕依据
   观察依据

   左侧文字：“概率”，“固定 $p = 0.5$，变动 k”；右侧文字：“似然”，“固定 $k = 7$，变动 p”。

4. 公式
   观察依据

   所展示的关系为 $\sum = 1$、$P(x \mid \theta)$ 和 $\int \neq 1$。

5. 声音
   观察依据

   讲述者解释了固定 p 并变动 k 与固定 k 并变动 p 之间的对比。

1. 该示例在最终共用公式中使用了通用符号 x 和 $\theta$，本片段中未进一步定义。

针对同一枚硬币模型，比较概率视角与似然视角。

1. 概率视角：p 固定为 0.5，k 变动。

2. 似然视角：k 固定为 7，p 变动。

3. 两种视角均基于相同的条件表达式 $P(x \mid \theta)$。

解释同一公式如何在一侧生成归一化的概率分布，而在另一侧生成非归一化的似然曲线。

1. 公式

   $$$$
   解释

   在概率视角下，固定 $p = 0.5$，考察所有可能的结果次数 k。

   步骤依据

   左侧面板的图注写着“固定 $p = 0.5$，变动 k”。

   视频直接表达
2. 公式

   $$\sum = 1$$
   解释

   所有可能结果的概率之和为 1。

   步骤依据

   讲解员指出，各矩形条的高度之和为一，并展示了公式 $\sum = 1$。

   视频直接表达
3. 公式

   $$$$
   解释

   在似然视角下，固定观测数据 $k = 7$，考察所有可能的参数取值 p。

   步骤依据

   右侧面板的图注写着“固定 $k = 7$，变动 p”。

   视频直接表达
4. 公式

   $$\int \neq 1$$
   解释

   似然曲线在 p 上的积分不等于 1。

   步骤依据

   讲解员指出，该曲线的积分不为一，并展示了公式 $\int \neq 1$。

   视频直接表达
5. 公式

   $$P(x \mid \theta)$$
   解释

   认识到两侧实为同一底层表达式的两种不同解读。

   步骤依据

   讲解员说：“两者底层是同一个公式：给定 θ 时 x 的概率 P(x ∣ θ)。”

   视频直接表达

概率视角固定参数、变动数据，从而生成一个归一化的分布；似然视角固定数据、变动参数，从而生成一条非归一化的曲线——尽管二者均源自 P(x ∣ θ)。

结论与并排图注、所展示的归一化对比 $\sum = 1$ 与 $\int \neq 1$，以及共用的公式 P(x ∣ θ) 相一致。

1. 动画
   观察依据

   方框、下划线以及“固定”和“变化”字样在$x$与$\theta$之间移动。

2. 字幕依据
   观察依据

   先出现“概率”，再出现“似然”，最后出现“相同公式，不同含义”。

1. 公式$P(x \mid \theta)$

2. 标签“固定”和“变化”

3. 词语“概率”与“似然”

1. 第一个$\theta$被标记为固定，$x$被标记为变化。

2. 然后$x$被标记为固定，$\theta$被标记为变化。

3. 图注从“概率”变为“似然”。

1. 符号表达式本身仍为$P(x \mid \theta)$。

视觉上的变化表明：数学含义取决于哪个参数被保持恒定。

1. 图示
   观察依据

   坐标轴标注为$P(k)$并绘制正面朝上的图形，随后出现青绿色柱状图。

2. 公式
   观察依据

   $\sum_{k=0}^{10} P(k)=1$出现在图表旁。

3. 动画
   观察依据

   对应7次正面朝上的柱子被高亮显示，并标注为$P(7)=0.117$。

1. 可见的刻度标签从1开始，尽管公式求和起始值为0。

1. 横轴表示“正面朝上次数”

2. 纵轴为$P(k)$

3. 青绿色概率条

4. 方程$\sum_{k=0}^{10} P(k)=1$

5. 在7处高亮显示的条形

1. 先绘制坐标轴。

2. 条形按正面朝上次数从左到右依次填充。

3. 归一化方程出现。

4. 标有其数值的7次正面朝上的条形被高亮显示。

1. $p=0.5$始终固定显示在图表上方。

该图表可视化了在固定模型下各数据结果出现的概率。

1. 图示
   观察依据

   一行排列着七个标有“H”的棕色圆圈和三个标有“T”的灰色圆圈。

2. 字幕依据
   观察依据

   文字显示：“观测到7次正面，共抛掷10次”，随后提问：“哪个p值产生了这一结果？”

3. 公式
   观察依据

   列出了三个候选评估值。

1. 七个H形圆圈

2. 三个T形圆圈

3. $p=0.3,0.5,0.7$的候选方程

1. 引入观测到的序列。

2. 候选参数取值逐一添加。

3. 将$p=0.7$行加框标注。

1. 观测数据始终保持为7次正面和3次反面。

该图强调：此时数据已固定，而参数正在被比较。

1. 图示
   观察依据

   绘制标有$p$和$L(p)$的坐标轴。

2. 动画
   观察依据

   一条金色曲线从左向右绘制，峰值出现在0.7附近。

1. 确切的最大值点未标注具体数值。

1. 横轴为$p$，范围从0到1

2. 纵轴为$L(p)$

3. 金色曲线

1. 坐标轴最先出现。

2. 该曲线在参数区间上绘制完成。

3. 峰值出现在$p=0.7$附近。

1. 观测结果固定为7次正面朝上，共10次抛掷。

该曲线展示了似然如何随参数连续变化，而非仅在采样点处取值。

1. 动画
   观察依据

   一个红色圆点出现在橙色曲线的顶端。

2. 动画
   观察依据

   一条虚线垂直线从顶点下落到水平轴上。

3. 字幕依据
   观察依据

   顶点上方标有标签 $p = 0.7$。

1. 橙色似然曲线

2. 红色顶点圆点

3. 虚线垂直辅助线

4. 标签 $p = 0.7$

5. 坐标轴分别标注为 $L(p)$ 和 p

1. 在曲线的最大值处添加了一个点。

2. 从顶点向 p 轴画出一条垂直辅助线。

3. 数值标签 $p = 0.7$ 出现。

1. 曲线形状保持不变。

2. 坐标轴仍标注为 $L(p)$ 和 p。

图示强调：对于所显示的数据，似然函数在 $p=0.7$ 处取得最大值。

1. 动画
   观察依据

   橙色曲线下方的区域变为棕色阴影。

2. 公式
   观察依据

   不等式 $\int_0^1 L(p)$\,dp $\neq 1$ 出现在图的左侧。

3. 字幕依据
   观察依据

   图下方显示文字“这不是概率分布！”

1. 曲线下方的阴影区域

2. 不等式 $\int_0^1 L(p)$\,dp $\neq 1$

3. 图注：“这不是概率分布！”

1. 曲线下方的面积被填满。

2. 一个数学不等式显示在阴影区域旁。

3. 图下方出现一条警告字幕。

1. 曲线本身及坐标轴保持不变。

阴影区域将关于面积的口头陈述转化为视觉对象，从而支持“似然性不像概率分布那样经过归一化”这一观点。

1. 动画
   观察依据

   一个红色点沿橙色曲线从左向右移动。

2. 字幕依据
   观察依据

   运动过程中会依次显示中间标签，例如 $p = 0.17$、$p = 0.38$、$p = 0.59$。

3. 字幕依据
   观察依据

   运动在峰值处 $p = 0.70$ 结束。

1. 部分中间数值标签仅短暂可见，且因运动原因可能为近似值。

1. 移动的红点

2. 橙色似然曲线

3. 变化的 p 标签

1. 该点从较小的 p 值向较大的 p 值移动。

2. 显示的 p 标签会随点的移动而更新。

3. 该点停在峰值处，$p = 0.70$。

1. 底层似然公式始终显示在图像上方。

2. 坐标轴保持固定。

动画演示了当 p 变化时 $L(p)$ 的变化过程，并直观标出使似然最大化的参数值。

1. 图示
   观察依据

   左侧出现蓝色条形图，右侧出现橙色曲线。

2. 字幕依据
   观察依据

   左侧标题为“概率”，副标题为“固定 $p = 0.5$，变动 k”；右侧标题为“似然”，副标题为“固定 $k = 7$，变动 p”。

3. 公式
   观察依据

   左侧显示 $\sum = 1$，右侧显示 $\int \neq 1$，中心显示 $P(x \mid \theta)$。

4. 动画
   观察依据

   后续箭头从中心表达式分别指向左右两侧的归一化说明。

1. 蓝色概率条形图

2. 橙色似然曲线

3. 左侧图注：“固定 $p = 0.5$，改变 k”

4. 右侧图注：“固定 $k = 7$，改变 p”

5. 中心公式：$P(x \mid \theta)$

6. 左侧公式：$\sum = 1$

7. 右侧公式：$\int \neq 1$

8. 方向箭头

1. 屏幕分为两个面板。

2. 左侧显示一个离散分布，右侧显示一条看似连续的曲线。

3. 每个面板下方添加了归一化说明。

4. 一个共用公式插入二者之间，并通过箭头与之关联。

1. 左侧面板始终表示概率，右侧面板始终表示似然。

视觉布局编码了核心概念区别：相同的底层表达式，但被固定的变量不同，且归一化行为不同。

1. 声音
   观察依据

   讲解者称该公式表示“两种完全不同的含义”。

2. 字幕依据
   观察依据

   显示文字：“相同公式，不同含义。”

看到相同的表达式$P(x \mid \theta)$，便假定它始终具有相同含义。

视频强调，含义会随$x$或$\theta$中哪一个被固定而改变。

1. 公式
   观察依据

   仅有概率条形图被明确指出其总和为1。

2. 声音
   观察依据

   似然性部分将纵轴高度描述为“合理性”，而非关于结果的概率。

1. 视频并未明确指出似然性数值无需加总或积分至1。

因似然性曲线$L(p)$在视觉上类似分布，便假设它本身是关于$p$的概率分布。

分析者补充道：视频仅明确将归一化性质赋予关于k的概率分布P；而$L(p)$的解释是参数p的合理性，并非一个明确定义的概率分布。

1. 声音
   观察依据

   讲述者说：“它并未告诉你参数 p 取某一特定值的概率。”

2. 字幕依据
   观察依据

   屏幕上显示文字：“这不是概率分布！”

3. 公式
   观察依据

   显示不等式 $\int_0^1 L(p)$\,dp $\neq 1$。

人们可能认为 $L(p)$ 给出了参数 p 等于某一特定值的概率。

视频指出，似然函数不是概率分布，也不会为参数的取值分配概率；它衡量的是每一个 p 值对固定数据的解释程度。

1. 公式
   观察依据

   屏幕上显示的不等式是 $\int_0^1 L(p)$\,dp $\neq 1$。

2. 声音
   观察依据

   讲述者说：“如果你计算该曲线下方的面积，其结果并不等于一。”

由于概率密度曲线的总面积通常为1，人们可能也预期似然曲线下的面积为1。

该片段明确展示并指出：似然曲线下的面积不等于1，因此不应将似然解释为关于 p 的已归一化密度。