這個是quora上的一個回答 What is the difference between probability and likelihood?
2我們可以做一個類比，假設一個函式為 ，這個函式包含兩個變數。
如果你令b=2，這樣你就得到了一個關於a的二次函式，即 ：
當你令a=2時，你將得到一個關於b的指數函式，即 ：
可以看到這兩個函式有著不同的名字，卻源於同一個函式。
而p(x|θ)也是一個有著兩個變數的函式。如果，你將θ設為常量，則你會得到一個機率函式（關於x的函式）；如果，你將x設為常量你將得到似然函式（關於θ的函式）。
下面舉一個例子：
有一個硬幣，它有θ的機率會正面向上，有1-θ的機率反面向上。θ是存在的，但是你不知道它是多少。為了獲得θ的值，你做了一個實驗：將硬幣拋10次，得到了一個正反序列：x=HHTTHTHHHH。
無論θ的值是多少，這個序列的機率值為 θ⋅θ⋅(1-θ)⋅(1-θ)⋅θ⋅(1-θ)⋅θ⋅θ⋅θ⋅θ = θ⁷ (1-θ)³
比如，如果θ值為0，則得到這個序列的機率值為0。如果θ值為1/2，機率值為1/1024。
但是，我們應該得到一個更大的機率值，所以我們嘗試了所有θ可取的值，畫出了下圖：
這個曲線就是θ的似然函式，通過了解在某一假設下，已知資料發生的可能性，來評價哪一個假設更接近θ的真實值。
如圖所示，最有可能的假設是在θ=0.7的時候取到。但是，你無須得出最終的結論θ=0.7。事實上，根據貝葉斯法則，0.7是一個不太可能的取值（如果你知道幾乎所有的硬幣都是均質的，那麼這個實驗並沒有提供足夠的證據來說服你，它是均質的）。但是，0.7卻是最大似然估計的取值。
因為這裡僅僅試驗了一次，得到的樣本太少，所以最終求出的最大似然值偏差較大，如果經過多次試驗，擴充樣本空間，則最終求得的最大似然估計將接近真實值0.5。在這篇部落格中有詳細的過程，就不再贅述。
這個是quora上的一個回答 What is the difference between probability and likelihood?
2我們可以做一個類比，假設一個函式為 ，這個函式包含兩個變數。
如果你令b=2，這樣你就得到了一個關於a的二次函式，即 ：
當你令a=2時，你將得到一個關於b的指數函式，即 ：
可以看到這兩個函式有著不同的名字，卻源於同一個函式。
而p(x|θ)也是一個有著兩個變數的函式。如果，你將θ設為常量，則你會得到一個機率函式（關於x的函式）；如果，你將x設為常量你將得到似然函式（關於θ的函式）。
下面舉一個例子：
有一個硬幣，它有θ的機率會正面向上，有1-θ的機率反面向上。θ是存在的，但是你不知道它是多少。為了獲得θ的值，你做了一個實驗：將硬幣拋10次，得到了一個正反序列：x=HHTTHTHHHH。
無論θ的值是多少，這個序列的機率值為 θ⋅θ⋅(1-θ)⋅(1-θ)⋅θ⋅(1-θ)⋅θ⋅θ⋅θ⋅θ = θ⁷ (1-θ)³
比如，如果θ值為0，則得到這個序列的機率值為0。如果θ值為1/2，機率值為1/1024。
但是，我們應該得到一個更大的機率值，所以我們嘗試了所有θ可取的值，畫出了下圖：
這個曲線就是θ的似然函式，通過了解在某一假設下，已知資料發生的可能性，來評價哪一個假設更接近θ的真實值。
如圖所示，最有可能的假設是在θ=0.7的時候取到。但是，你無須得出最終的結論θ=0.7。事實上，根據貝葉斯法則，0.7是一個不太可能的取值（如果你知道幾乎所有的硬幣都是均質的，那麼這個實驗並沒有提供足夠的證據來說服你，它是均質的）。但是，0.7卻是最大似然估計的取值。
因為這裡僅僅試驗了一次，得到的樣本太少，所以最終求出的最大似然值偏差較大，如果經過多次試驗，擴充樣本空間，則最終求得的最大似然估計將接近真實值0.5。在這篇部落格中有詳細的過程，就不再贅述。