本文详细介绍了统计学中的似然函数，区分了似然与概率的不同，并分别讲解了离散型和连续型随机变量的似然函数求法，强调了似然函数在模型参数估计中的作用。
在 朴素贝叶斯分类器 和 最大似然估计和贝叶斯参数估计 中，我们都提到了 似然 这个词，那么这里就来详细讲一讲什么是似然。
似然（likelihood）和概率（probability）从字面上看非常相似，但是在统计中，似然与概率是不同的东西。
1 定义
似然函数是一种关于统计模型中的参数的函数，表示模型参数的似然性。似然函数是给定联合样本值 x x x 下关于（未知）参数 θ \theta θ 的函数：
L ( θ ∣ x ) = f ( x ∣ θ ) L(\theta|x)=f(x|\theta) L(θ∣x)=f(x∣θ)
f ( x ∣ θ ) f(x|\theta) f(x∣θ) 是一个密度函数，表示 θ \theta θ 下关于联合样本值 x x x 的联合密度函数。
似然函数与概率密度的对比
对于函数
最低0.47元/天 解锁文章
1806
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
