极大似然估计

“极大似然估计”

身高体重均服从正态分布，用极大似然估计方法估计身高体重的均值和方差（注意是极大似然估计方法）

import numpy as np  
import pandas as pd  
from scipy.stats import norm  
  
# 加载数据集  
data = pd.read_csv('/home/aistudio/data/data14232/SG_TZ_Sample.csv')  
x1 = data['x1'].values  
x2 = data['x2'].values  
  
# 贝叶斯估计的均值计算  
def bayes_mean(data, prior_mu, prior_sigma):  
    posterior_mu = (prior_mu * np.sum(data) + np.sum(data)) / (prior_mu + len(data))  
    posterior_sigma = (prior_sigma ** 2 + np.sum((data - prior_mu) ** 2)) / (prior_mu + len(data))  
    return posterior_mu, posterior_sigma  
  
# 设定先验分布的参数，这里我们假设先验分布的均值为0，标准差为10，这代表我们对数据的分布一无所知  
prior_mu = 0  
prior_sigma = 10  
  
# 计算后验分布的均值和标准差  
x1_posterior_mu, x1_posterior_sigma = bayes_mean(x1, prior_mu, prior_sigma)  
x2_posterior_mu, x2_posterior_sigma = bayes_mean(x2, prior_mu, prior_sigma)  
  
print(f'x1的后验均值: {x1_posterior_mu}')  
print(f'x1的后验标准差: {x1_posterior_sigma}')  
print(f'x2的后验均值: {x2_posterior_mu}')  
print(f'x2的后验标准差: {x2_posterior_sigma}')