伯努利分布
考虑二元随机变量 x∈{ 0,1} (抛硬币,正面为 1,反面为 0),其概率分布由参数 μ 决定:
p(x=1)=μ
其中 (0≤μ≤1) ,并且有 p(x=0)=1−μ 。这就是伯努利分布(Bernoulli distribution
),其概率分布可以写成:
Bern(x|μ)=μx(1−μ)1−x
均值和方差为:
E[x]var[x]=μ=μ(1−μ)
伯努利分布的最大似然估计
考虑一组 x 的观测数据
p(D|μ)=∏n=1Np(xn|μ)=∏n=1Nμxn(1−μ)1−xn
对数似然为
lnp(D|μ)=∑n=1Nlnp(xn|μ)=∑n=1N{
xnlnμ+(1−xn)ln(1−μ)}
对数似然值只依赖于 ∑Nn=1xn 的取值,而事实上 ∑Nn=1xi 就是伯努利分布的一个充分统计量,它可以提供参数 μ 的全部信息。
对 μ 最大化对数似然,我们很容易得到
μML=1N∑n=1Nxn
即最大似然估计值为样本均值(sample mean
),若样本中 x=1 的数目为 m 则:
考虑抛三次硬币出现了三次正面的情况,此时 N=m=3,μML=1 。在这种情况下,最大似然估计会得到每次都是正面的结果,这显然违背了我们的正常认知。事实上,这是一种过拟合的典型表现。
为了解决这个问题,我们可以考虑引入先验知识。
二项分布
给定数据总数 N ,