Explain ZH

直觀理解 (Intuition)

在貝葉斯統計中，先驗 (priors) 允許我們在看到任何實際資料之前，注入我們的「直覺」或先備知識。讓我們來看看這兩個新情境：

情境 1：樂觀的先驗 ( $p_1$ ) 先驗 $p_1(\pi) = 2\pi$ 畫出來是一條從 0 向上往 1 走的直線。這意味著在拋任何硬幣之前，我們強烈懷疑這枚硬幣被動過手腳，極容易出現正面。

在數學上，這個先驗方程式完全符合一種情況：我們神奇地在實驗開始前就多觀察到了1 次額外的正面 (Head)。

所以當我們計算 MAP 估計量時，我們不只使用實際資料 ( $s/n$ )，還混入了我們的虛擬資料： $(s + 1) / (n + 1)$ 。這使得我們的最終估計值比標準的 MLE 稍微高一點（更樂觀）。

情境 2：悲觀的先驗 ( $p_0$ ) 先驗 $p_0(\pi) = 2 - 2\pi$ 畫出來是一條向下的直線。我們懷疑這枚硬幣偏向反面。

這在數學上的作用，就像是我們在開始前已經看到了1 次額外的反面 (Tail)。

因為增加了這個虛擬拋擲，我們的總拋擲次數 ( $n$ ) 增加了 1，但是正面次數 ( $s$ ) 保持不變。MAP 估計量變成了 $s / (n + 1)$ 。這把我們的最終猜測拉得比標準的 MLE 還低。

虛擬樣本：核心概念 共軛先驗（conjugate priors，例如用於伯努利拋硬幣的貝塔分佈）的美妙之處在於，它將複雜的微積分簡化成了簡單的算術：先驗只是想像出來的、虛擬的拋硬幣結果，你直接把它們加到真實資料上就好了。