生物信息学/似然算法

如果我们多次进行相同的实验，我们关注的参数会采用特定的值（如果我们的实验条件导致测量值的收敛）。这些值然后具有一定的频率，该频率高于随机值的频率。然后我们可以估计（如果我们的实验设置中没有隐藏系统误差）该值频率越高，其被测量的可能性就越大。这被称为最大似然估计。 给定参数 j 的最大似然估计是使概率 $P(i|j)$ （给定 j 的 i 的概率）最大化的值 i。这被称为条件概率，因为要使 i 发生，必须给出 j。两个事件 k 和 l 同时发生的概率称为联合概率 $P(k,l)=P(k|l)*P(l)$ （k 和 l 的概率等于给定 l 的 k 的概率乘以 l 的概率）。而边际概率是已知联合概率或条件概率时变量的概率： $P(m)=\sum \limits _{n}P(m,n)=\sum \limits _{n}P(m|n)*P(n)$ （求和只是将所有可能的 n 的概率相加）。