В чем разница между Байесовской оценкой решения и Методом максимального правдоподобия?

Разница между байесовской оценкой решения и методом максимального правдоподобия заключается в том, что каждый из этих методов имеет свои особенности и цели:

1. Байесовская оценка решения — это статистическая оценка, минимизирующая апостериорное математическое ожидание функции потерь (то есть апостериорное ожидание потерь). ru.wikipedia.org {10-host} Иначе говоря, она максимизирует апостериорное математическое ожидание функции полезности. ru.wikipedia.org {10-host} В байесовском подходе параметр рассматривается как случайная величина с неизвестным распределением, при этом есть априорное знание об этом распределении, которое можно учитывать. {7-host}
2. Метод максимального правдоподобия — это метод оценивания неизвестного параметра путём максимизации функции правдоподобия. ru.wikipedia.org Основан на предположении о том, что вся информация о статистической выборке содержится в функции правдоподобия. ru.wikipedia.org Цель метода — найти значения параметров, которые приводят к распределению, максимизирующему вероятность наблюдения данных. {6-host}