极大似然估计,只是一种概率论在统计学的应用,它是参数估计的方法之一。
求最大似然估计量 θ^ θ ^ 的一般步骤:
- 写出似然函数
- 对似然函数取对数,并整理
- 求导数
解似然方程。
最大似然估计的特点:
1) 比其他估计方法更加简单
2)收敛性:无偏或者渐进无偏,当样本数目增加时,收敛性质会更好
3)如果假设的类条件概率模型正确,则通常能获得较好的结果。但如果假设模型出现偏差,江东安置非常差的估计结果。
最大似然估计的目的就是:利用已知的样本结果,反推最有可能(最大概率)导致这样结果的参数值。
极大似然原理最简单的理解就是:样本所展现的状态便是所有可能状态中出现概率最大的状态。多数情况下我们是根据已知条件来推算结果,而最大似然估计是已经知道了结果,然后寻求使该结果出现的可能性最大的条件,以此作为估计值。
极大似然估计的例子:
现在有一个黑箱子里面有标有1或2的球共100个,现在从中有放回的抽取10个球,结果为{1,2,2,2,1,2,2,1,2,2},估计标有1的球在黑箱子里面有多少个。
我们不妨把标有1的球设为 θ θ 个,那么抽到1的概率 P(x=1)=θ100 P ( x = 1 ) = θ 100 ,这里简单记做p,则产生实验结果{1,2,2,2,1,2,2,1,2,2}的概率为 P=p3∗(1−p)7 P = p 3 ∗ ( 1 − p ) 7 ,这里的待估计参数为 θ θ ,但是为了方便不妨把待估参数看做 p (p=θ100) p ( p = θ 100 ) 。那么极大似然估计法的目标就是调整p使得总概率P最大!换句话说,P是一个关于p的函数,不妨记做 P(p) P ( p ) 。
为了后续计算,对P取对数。
l(p)=ln(P(p))=3ln(p)+7ln(1−p) l ( p ) = l n ( P ( p ) ) = 3 l n ( p ) + 7 l n ( 1 − p )
为了使 l(p) l ( p ) 最大,那么求导可知
∂l∂p=3p−71−p