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) =