1、结论
测量误差(测量)服从高斯分布的情况下, 最小二乘法等价于极大似然估计。
2、最大似然估计概念
最大似然估计就是通过求解最大的(1)式得到可能性最大的作为真的估计,其中 L 函数称为参数的似然函数,是一个概率分布函数。
似然估计的思想是:测量值 X 是服从概率分布的,求概率模型中的参数,使得在假设的分布下获得该组测量出现概率最大:
例如:通过一次测量得到1.9、1.9、2.0、2.1、2.0、1.9、1.5、2.5、2.0、2.0,
通过直觉我们发现这组测量比较符合期望为2的高斯分布。
要不然,为什么取值都在2附近呢,为啥测量数据中没有(很少)1.0、5.0呢?也就是说,可以认为我的这些测量
是符合某个概率分布的(这个例子中为高斯分布),测量值中得到2附近值的概率比较大。
例如:一个箱子里有红球和黑球,通过10次放回抽取实验得到的结果为:8次黑球、2次红球。问箱子中黑球的比例?
这个例子中箱子里只有红球和黑球,可以假设黑球的比例为 p ,那么红球的概率为(1-p),
那么10次实验中8次黑球、两次红球的概率为:。通过即可求出 p = 0.8。
3、最大似然估计求法
a、样本从高斯分布中采样获得。高斯概率分布函数为:
通过测量获得 N 个测量值,,它们符合高斯概率分布,此时它们的似然估计为: