在统计学习，机器学习中，我们的目标就是找到两个随机变量的联合概率分布P(X,Y)P(X,Y)P(X,Y) 。
比如说我们有一个模型，有输入变量空间X=(x1,x2,...,xn)X=(x_1,x_2,...,x_n)X=(x1,x2,...,xn) 和输出变量空间Y=(y1,y2,...,ym)Y=(y_1,y_2,...,y_m)Y=(y1,y2,...,ym)
可能是离散的，可能是连续的。那么现在我们这个模型的作用就是在输入一个x的时候，能够给出一个y，也可以说我们这个模型的作用就是找到X和Y的联合概率分布P(X,Y)。
那么我们就可以根据其联合概率得到条件概率，就可以得到 P(Y∣X)，于是就可以利用这个条件概率找到给定一个x的情况下，最大可能的y是哪一个。
而我们上面的基本前提就是假设存在 X 关于 Y 的联合概率分布。如果根本就不存在这样的联合概率分布，那么这个模型也是个没有什么意义的模型。
三门问题:
三门问题的关键，在于主持人是知道哪个门后是有车的，也就是
继续...
需要求出累积符号左右的argmax
这里运用到极大似然估计:
1、利用极大似然估计计算先验概率与条件概率
2、计算
