Hàm khả năng được xác định độc lập với hoặc trước mô hình thống kê được sử dụng để suy luận, như một hàm, (hoặc ), của tham số , hàm điều đó phụ thuộc vào hoặc được lập chỉ mục bởi (các) quan sát có sẵn cho suy luận này. Và cũng hoàn toàn phụ thuộc vào họ mô hình xác suất được chọn để thể hiện tính biến đổi hoặc tính ngẫu nhiên trong dữ liệu. Đối với một giá trị đã cho của cặp , giá trị của hàm này hoàn toàn giống với giá trị của mật độ của mô hình tại- L ( θ ; x ) L ( θ | x ) θ - - x ( θ , x ) x θ−−L(θ;x)L(θ|x)θ−−x(θ,x)xkhi được lập chỉ mục với tham số . θMà thường được dịch thô sơ là "xác suất của dữ liệu".
Để trích dẫn nhiều nguồn có thẩm quyền và lịch sử hơn là một câu trả lời trước đó trên diễn đàn này,
"Chúng tôi có thể thảo luận về xác suất xuất hiện của các đại lượng có thể quan sát được. ... liên quan đến bất kỳ giả thuyết nào có thể được đề xuất để giải thích những quan sát này. Chúng tôi không thể biết gì về xác suất của các giả thuyết. [Chúng tôi] có thể xác định khả năng. của các giả thuyết. bằng cách tính toán từ các quan sát: để nói về khả năng .. của một đại lượng quan sát được không có ý nghĩa gì. " RA Fisher, Trên `` lỗi có thể xảy ra '' của một hệ số tương quan suy ra từ một mẫu nhỏ . Metron 1, 1921, tr.25
và
"Những gì chúng ta có thể tìm thấy từ một mẫu là khả năng của bất kỳ giá trị cụ thể nào của r, nếu chúng ta xác định khả năng là một đại lượng tỷ lệ với xác suất, từ một quần thể có giá trị cụ thể là r, một mẫu có giá trị quan sát được là r , nên lấy. " RA Fisher, Trên `` lỗi có thể xảy ra '' của một hệ số tương quan suy ra từ một mẫu nhỏ . Metron 1, 1921, tr.24
trong đó đề cập đến một tỷ lệ mà Jeffreys (và tôi) thấy không cần thiết:
".. khả năng, một thuật ngữ thuận tiện được giới thiệu bởi Giáo sư RA Fisher, mặc dù trong cách sử dụng của ông, đôi khi nó được nhân với một yếu tố không đổi. Đây là xác suất của các quan sát đưa ra thông tin ban đầu và giả thuyết được thảo luận." H. Jeffreys, Lý thuyết xác suất , 1939, tr.28
Để trích dẫn nhưng một câu từ mục lịch sử xuất sắc đến chủ đề của John Aldrich (Khoa học thống kê, 1997):
"Fisher (1921, trang 24) đã phác thảo lại những gì ông đã viết vào năm 1912 về xác suất nghịch đảo, phân biệt giữa các phép toán có thể được thực hiện theo mật độ xác suất và khả năng: khả năng không phải là một yếu tố khác biệt", nó không thể được tích hợp . " J. Aldrich, RA Fisher và việc tạo ra khả năng tối đa 1912 - 1922 , 1997 , tr.9
Khi áp dụng phương pháp Bayes, hàm khả năng không thay đổi về hình dạng hoặc trong tự nhiên. Nó tiếp tục là mật độ tại được lập chỉ mục bởi . Các tính năng bổ sung là, kể từ khi cũng được ưu đãi với một mô hình xác suất, phân phối trước, mật độ tại được lập chỉ mục bởi cũng có thể được hiểu như là một điều kiện mật độ, có điều kiện trên thực hiện : trong một mô hình Bayes , một nhận thức về được tạo ra từ trước đó, với mật độ , sau đó nhận ra ,θ θ x θ θ θ π ( ⋅ ) X x L ( θ | ⋅ ) θ ( θ , x ) π ( θ ) × L ( θ | x ) θ × khả năngxθθxθθθπ(⋅)Xx, được sản xuất từ phân phối có mật độ , được lập chỉ mục bởi . Nói cách khác, và liên quan đến biện pháp thống trị phù hợp, cặp có mật độ khớp
từ đó người ta lấy được mật độ sau của , nghĩa là, mật độ có điều kiện của , có điều kiện khi nhận ra là
cũng được biểu thị dưới dạng
được tìm thấy kể từ Jeffreys (1939) .L(θ|⋅)θ(θ,x)
π(θ)×L(θ|x)
θθxπ(θ|x)∝π(θ)×L(θ|x)
posterior∝prior×likelihood
Lưu ý: Tôi thấy sự khác biệt được đưa ra trong phần giới thiệu của trang Wikipedia về các chức năng khả năng giữa khả năng thường xuyên và Bayesian gây nhầm lẫn và không cần thiết, hoặc chỉ đơn giản là sai vì phần lớn các nhà thống kê Bayes hiện tại không sử dụng khả năng thay thế cho xác suất sau. Tương tự, "sự khác biệt" được chỉ ra trong trang Wikipedia về Định lý Bayes nghe có vẻ khó hiểu hơn bất kỳ điều gì khác, vì định lý này là một tuyên bố xác suất về sự thay đổi của điều kiện, độc lập với mô hình hoặc từ ý nghĩa của một tuyên bố xác suất. ( Theo tôi , nó là một định nghĩa hơn là một định lý!)