3.3 贝叶斯理论

引言

在前一节我们详细介绍了最大似然估计，它在可以帮助我们进行有效推断，但它仍然有一些缺陷。

让我们再次回顾之前的例子，基于家门口有水这个数据，我们做出了下雨的推断。

但我们的推断存在漏洞，比如，我们从来没有考虑过 “我家”位于哪里 这个问题。

1. 如果我的家在新疆乌鲁木齐，那么由经验可知我家门口有时有洒水车，但是非常少下雨。如果在我家门口发现了水，我不会在第一时间将其归因为下雨。

2. 如果我的家在撒哈拉沙漠，那么我家不仅很少下雨，而且没有洒水车。如果我家门口出现水，更可能是其他并未列出的原因。

在使用最大似然估计对数据背后的原因进行推断时，我们只考虑在各种原因下出现当前数据的可能性(即条件概率$p(d_i|\theta))$。但当我们考虑这些原因本身出现的可能性$(p(\theta))$，单纯基于使用最大似然估计做出的推断并不准确。我们需要一个新的方法来解决这个困境，贝叶斯理论就是其中的一个出路。

贝叶斯理论

3.n 贝叶斯理论

贝叶斯理论通常被表述为：

• $p(\theta)$为先验分布，它是某个假设发生的概率分布
• $p(d|\theta)$是我们熟悉的似然函数
• $p(d)$为归一化因子，也就是我们之前提到的边际概率，表示该数据本身发生的概率。

还是以家门口有水为例，现在我们将假设发生的概率纳入考虑，假设我家所在的区域很少下雨，且几乎不出现洒水车。

注意，这里为了便于计算，我们只取单个数值代入上述公式，来计算 $p(C_1|O_1)$，常见的情况往往涉及到分布之间相乘，在此不作介绍。

$$\begin{aligned} p(C_1|O_1)& = \frac{p(O_1|C_1) * p(C_1)}{p(O_1)} \\ & = \frac{p(O_1|C_1) * p(C_1) }{p(O_1|C_1) * p(C_1) + p(O_1|C_2) * p(C_2) + p(O_1|C_3) * p(C_3)}\\ & = \frac{0.16}{0.16+0.06+0.18}\\\\ & = 0.4 \end{aligned}$$

同样地，我们可以计算出$p(C_2|O_1) = 0.15, \;\; p(C_3|O_1) = 0.45,$

$p(C_3|O_1) > p(C_1|O_1) > p(C_2|O_1)$ 此时若观察到家门口有水，最可能发生的事情不再是下雨。

通过上面这个计算我们也能更好地理解 “为什么$p(d)$被称为归一化因子”，由于$p(d)$是一个用来归一化的常数，且它并不受$\theta$影响，在计算中我们常省略它。因此贝叶斯公式有时也写作：

$$p(\theta \mid d) \propto p(d \mid \theta) * p(\theta)\;\;\;\;\;\;\propto表示成比例$$

最大后验估计

因此，在贝叶斯公式下，我们将先验分布和似然函数结合起来，求出后验概率分布，并找到能使后验概率分布最大的参数值，这被称为 最大后验估计 ，我们同样使用最大后验估计来对数据背后的原因进行推断。

$$\begin{aligned} \hat{\theta} & =\underset{\theta}{\arg \max } p(\theta \mid d) \\ & =\underset{\theta}{\arg \max }(p(d \mid \theta) * p(\theta)) \end{aligned}$$

最大似然估计 vs 最大后验估计

我们接着最大后验估计的公式往下写：

$$\begin{aligned} {\theta_{MAP}} & =\underset{\theta}{\arg \max } p(\theta \mid d) \\ & =\underset{\theta}{\arg \max }(p(d \mid \theta) * p(\theta))\\ & =\underset{\theta}{\argmax} (\sum_i^n \log (p(d|\theta)) + \log (p(\theta))\;)\\ \end{aligned}$$

当先验分布为均匀分布时，$\log(p(\theta))$是一个常数，在优化中可以忽略，此时最大后验估计在数学上等价于最大似然估计。

$$\begin{aligned} {\theta_{MAP}} & =\underset{\theta}{\arg \max } p(\theta \mid d) \\ & =\underset{\theta}{\arg \max }(p(d \mid \theta) * p(\theta))\\ & =\underset{\theta}{\argmax} (\sum_i^n \log (p(d|\theta)) + \log (p(\theta))\;)\\ & = \underset{\theta}{\argmax}(\sum_i^n \log (p(d|\theta))) + const \\ & = \underset{\theta}{\argmax}(\sum_i^n \log (p(d|\theta))) \\ & = \theta_{MLE} \end{aligned}$$

贝叶斯学派与频率学派

通过上述的计算，其实我们可以看出最大似然估计和最大后验估计对参数（即假设发生的概率）有着不同的理解，最大似然估计将参数的视为均匀分布，即参数的发生是一个未知但固定的值，如 $p(\theta) = \frac{1}{6}$。这样的思想来自于频率学派，在频率学派中，概率是在无数次重复抽样后得到的预期值。

而最大后验估计对参数的理解则对应着贝叶斯学派。贝叶斯学派认为概率是对事件发生的信心，它会受到先验概率和当前观察到的数据的影响，不断更新。

这两个学派都各自发展出了许多统计推断方法，例如本章所讲述的最大似然估计和最大后验估计，它们均用于估计某个统计量的取值，属于参数点估计。本书的后续章节还会介使用贝叶斯方法进行近似推断等内容。

马尔可夫链蒙特卡洛采样（MCMC）和变分推断（Variational inference）将在本书后面的内容中详细介绍。

参考阅读

Casella, G., Berger, R. (2024). Statistical Inference. United States: CRC Press.

Davidson-Pilon, C. (2017). 贝叶斯方法: 概率编程与贝叶斯推断. China: 人民邮电出版社.