首页 > 代码库 > 最大似然估计（Maximum likelihood estimation）
最大似然估计（Maximum likelihood estimation）
一、定义
最大似然估计是一种根据样本来估计模型参数的方法。其思想是，对于已知的样本，假设它服从某种模型，估计模型中未知的参数，使该模型出现这些样本的概率最大。这样就得到了未知参数的估计值。
二、过程
举例而言，我们要统计全国人口的体重，首先假设全国人口的体重服从正态分布，但均值和方差未知。由于我们没有那么多的人力和物力来统计，因此我们可以采样，通过最大似然估计的方法来评估这个正态分布的均值和方差。
1. 列出似然函数
假设样本
是独立同分布，正态分布的概率密度函数用
表示，未知参数用
表示，那么这个模型就可以表示为：
是独立同分布，正态分布的概率密度函数用表示，未知参数用表示，那么这个模型就可以表示为：
则似然函数就表示为：
2. 对似然函数取对数
在实际计算时，为了方便，对上式两边取对数：
其中，
称为对数似然。我们所说的求最大似然，其实就是求最大对数似然：
称为对数似然。我们所说的求最大似然，其实就是求最大对数似然：
3. 求导数
那么
在什么时候取最大值呢？最简洁的方法便是求导数，解似然函数方程：
在什么时候取最大值呢？最简洁的方法便是求导数，解似然函数方程：
最大似然估计（Maximum likelihood estimation）
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。