最大似然估计

数学上对最大似然估计的定义，大家看看就好哈~

最大似然法（Maximum Likelihood，ML）也称为最大概似估计，也叫极大似然估计，是一种具有理论性的点估计法，此方法的基本思想是：当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。

最大似然估计是一种统计方法，它用来求一个样本集的相关概率密度函数的参数。

最大似然法明确地使用概率模型， 其目标是寻找能够以较高概率产生观察数据的系统发生树。 最大似然法是一类完全基于统计的系统发生树重建方法的代表。

1.1实例理解最大似然估计

经典例子1、老猎人和学生一起外出打猎，一只兔子在前方窜过，两声枪响，野兔应声倒下（被一发子弹打中）。

问：谁打中的？

答：可能是老猎人，因为老猎人比学生的更有经验。

 

经典例子2、

1.2最大似然估计数学原理及求解方式

已知样本集：D={x1, x2, x3, … ,xn}；

联合概率密度函数： L(θ)=p(D|θ)=p(x1, x2, x3, … ,xn |θ) = p(x1|θ) * p(x2|θ) * … * p(xn|θ) =