9:极大似然估计

极大似然估计，也叫最大似然估计，是参数估计的一种方法，一般用来推测数据分布函数相关参数。

极大似然估计步骤：

1.先假设数据属于某一分布（正太分布、泊松分布等），得到概率分布函数

2.对概率分布函数求导，另导数等于0（若有多处为0，选另样本点概率最大的参数），根据样本点数据，求参数值

为什么叫似然：对于无法穷举的问题，可根据样本数据估计实际分布，不是真实但近似真实

 

以下参考wiki的解释：

在统计学中，最大似然估计（英语：maximum likelihood estimation，缩写为MLE），也称最大概似估计，是用来估计一个概率模型的参数的一种方法。

 

目录

• 1预备知识
• 2最大似然估计的原理
  • 2.1注意
• 3例子
  • 3.1离散分布，离散有限参数空间
  • 3.2离散分布，连续参数空间
  • 3.3连续分布，连续参数空间
• 4性质
  • 4.1泛函不变性（Functional invariance）
  • 4.2渐近线行为
  • 4.3偏差
• 5历史
• 6参见
• 7参考文献
• 8外部链接

预备知识[编辑]

下边的讨论要求读者熟悉概率论中的基本定义，如概率分布、概率密度函数、随机变量、数学期望等。同时，还要求读者熟悉连续实函数的基本技巧，比如使用微分来求一个函数的极值（即极大值或极小值）。

最大似然估计的原理[编辑]

给定一个概率分布{\displaystyle D}，已知其概率密度函数（连续分布）或概率质量函数（离散分布）为{\displaystyle f_{D}}，以及一个分布参数{\displaystyle \theta }，我们可以从这个分布中抽出一个具有{\displaystyle n}个值的采样{\displaystyle X_{1},X_{2},\ldots ,X_{n}}，利用{\displaystyle f_{D}}计算出其似然函数：

{\displaystyle {\mbox{lik}}(\theta \mid x_{1},\dots ,x_{n})=f_{\theta }(x_{1},\dots ,x_{n}).}

若{\displaystyle D}是离散分布，{\displaystyle f_{\theta }}即是在参数为{\displaystyle \theta }时观测到这一采样的概率。若其是连续分布，{\displaystyle f_{\theta }}则为{\displaystyle X_{1},X_{2},\ldots ,X_{n}}联合分布的概率密度函数在观测值处的取值。一旦我们获得{\displaystyle X_{1},X_{2},\ldots ,X_{n}}，我们就能求得一个关于{\displaystyle \theta }的估计。最大似然估计会寻找关于{\displaystyle \theta }的最可能的值（即，在所有可能的{\displaystyle \theta }取值中，寻找一个值使这个采样的“可能性”最大化）。从数学上来说，我们可以在{\displaystyle \theta }的所有可能取值中寻找一个值使得似然函数取到最大值。这个使可能性最大的{\displaystyle {\widehat {\theta }}}值即称为{\displaystyle \theta }的最大似然估计。由定义，最大似然估计是样本的函数。

注意[编辑]

• 这里的似然函数是指{\displaystyle x_{1},x_{2},\ldots ,x_{n}}不变时，关于{\displaystyle \theta }的一个函数。
• 最大似然估计不一定存在，也不一定唯一。

例子[编辑]

离散分布，离散有限参数空间[编辑]

考虑一个抛硬币的例子。假设这个硬币正面跟反面轻重不同。我们把这个硬币抛80次（即，我们获取一个采样{\displaystyle x_{1}={\mbox{H}},x_{2}={\mbox{T}},\ldots ,x_{80}={\mbox{T}}}并把正面的次数记下来，正面记为H，反面记为T）。并把抛出一个正面的概率记为{\displaystyle p}，抛出一个反面的概率记为{\displaystyle 1-p}（因此，这里的{\displaystyle p}即相当于上边的{\displaystyle \theta }）。假设我们抛出了49个正面，31个反面，即49次H，31次T。假设这个硬币是我们从一个装了三个硬币的盒子里头取出的。这三个硬币抛出正面的概率分别为{\displaystyle p=1/3}, {\displaystyle p=1/2}, {\displaystyle p=2/3}.这些硬币没有标记，所以我们无法知道哪个是哪个。使用最大似然估计，基于二项分布中的概率质量函数公式，通过这些试验数据（即采样数据），我们可以计算出哪个硬币的可能性最大。这个似然函数取以下三个值中的一个：

{\displaystyle {\begin{matrix}\mathbb {P} ({\mbox{H=49, T=31 }}\mid p=1/3)&=&{\binom {80}{49}}(1/3)^{49}(1-1/3)^{31}\approx 0.000\\&&\\\mathbb {P} ({\mbox{H=49, T=31 }}\mid p=1/2)&=&{\binom {80}{49}}(1/2)^{49}(1-1/2)^{31}\approx 0.012\\&&\\\mathbb {P} ({\mbox{H=49, T=31 }}\mid p=2/3)&=&{\binom {80}{49}}(2/3)^{49}(1-2/3)^{31}\approx 0.054\\\end{matrix}}}

我们可以看到当{\displaystyle {\widehat {p}}=2/3}时，似然函数取得最大值。这就是{\displaystyle p}的最大似然估计。

离散分布，连续参数空间[编辑]

现在假设例子1中的盒子中有无数个硬币，对于{\displaystyle 0\leq p\leq 1}中的任何一个{\displaystyle p}， 都有一个抛出正面概率为{\displaystyle p}的硬币对应，我们来求其似然函数的最大值：

{\displaystyle {\begin{matrix}{\mbox{lik}}(\theta )&=&f_{D}({\mbox{H=49,T=80-49}}\mid p)={\binom {80}{49}}p^{49}(1-p)^{31}\\\end{matrix}}}

其中{\displaystyle 0\leq p\leq 1}. 我们可以使用微分法来求最值。方程两边同时对{\displaystyle p}取微分，并使其为零。

{\displaystyle {\begin{matrix}0&=&{\frac {d}{dp}}\left({\binom {80}{49}}p^{49}(1-p)^{31}\right)\\&&\\&\propto &49p^{48}(1-p)^{31}-31p^{49}(1-p)^{30}\\&&\\&=&p^{48}(1-p)^{30}\left[49(1-p)-31p\right]\\\end{matrix}}}

在不同比例参数值下一个二项式过程的可能性曲线t = 3, n = 10；其最大似然估计值发生在其众数并在曲线的最大值处。

其解为{\displaystyle p=0}, {\displaystyle p=1}，以及{\displaystyle p=49/80}.使可能性最大的解显然是{\displaystyle p=49/80}（因为{\displaystyle p=0}和{\displaystyle p=1}这两个解会使可能性为零）。因此我们说最大似然估计值为{\displaystyle {\widehat {p}}=49/80}.

这个结果很容易一般化。只需要用一个字母{\displaystyle t}代替49用以表达伯努利试验中的被观察数据（即样本）的“成功”次数，用另一个字母{\displaystyle n}代表伯努利试验的次数即可。使用完全同样的方法即可以得到最大似然估计值:

{\displaystyle {\widehat {p}}={\frac {t}{n}}}

对于任何成功次数为{\displaystyle t}，试验总数为{\displaystyle n}的伯努利试验。

连续分布，连续参数空间[编辑]

最常见的连续概率分布是正态分布，其概率密度函数如下：

{\displaystyle f(x\mid \mu ,\sigma ^{2})={\frac {1}{\sqrt {2\pi \sigma ^{2}}}}e^{-{\frac {(x-\mu )^{2}}{2\sigma ^{2}}}}}

现在有{\displaystyle n}个正态随机变量的采样点，要求的是一个这样的正态分布，这些采样点分布到这个正态分布可能性最大（也就是概率密度积最大，每个点更靠近中心点），其{\displaystyle n}个正态随机变量的采样的对应密度函数（假设其独立并服从同一分布）为：

{\displaystyle f(x_{1},\ldots ,x_{n}\mid \mu ,\sigma ^{2})=\left({\frac {1}{2\pi \sigma ^{2}}}\right)^{\frac {n}{2}}e^{-{\frac {\sum _{i=1}^{n}(x_{i}-\mu )^{2}}{2\sigma ^{2}}}}}

或：

{\displaystyle f(x_{1},\ldots ,x_{n}\mid \mu ,\sigma ^{2})=\left({\frac {1}{2\pi \sigma ^{2}}}\right)^{n/2}\exp \left(-{\frac {\sum _{i=1}^{n}(x_{i}-{\bar {x}})^{2}+n({\bar {x}}-\mu )^{2}}{2\sigma ^{2}}}\right)},

这个分布有两个参数：{\displaystyle \mu ,\sigma ^{2}}.有人可能会担心两个参数与上边的讨论的例子不同，上边的例子都只是在一个参数上对可能性进行最大化。实际上，在两个参数上的求最大值的方法也差不多：只需要分别把可能性{\displaystyle {\mbox{lik}}(\mu ,\sigma )=f(x_{1},,\ldots ,x_{n}\mid \mu ,\sigma ^{2})}在两个参数上最大化即可。当然这比一个参数麻烦一些，但是一点也不复杂。使用上边例子同样的符号，我们有{\displaystyle \theta =(\mu ,\sigma ^{2})}.

最大化一个似然函数同最大化它的自然对数是等价的。因为自然对数log是一个连续且在似然函数的值域内严格递增的上凸函数。[注意：可能性函数（似然函数）的自然对数跟信息熵以及Fisher信息联系紧密。]求对数通常能够一定程度上简化运算，比如在这个例子中可以看到：

{\displaystyle {\begin{matrix}0&=&{\frac {\partial }{\partial \mu }}\log \left(\left({\frac {1}{2\pi \sigma ^{2}}}\right)^{\frac {n}{2}}e^{-{\frac {\sum _{i=1}^{n}(x_{i}-{\bar {x}})^{2}+n({\bar {x}}-\mu )^{2}}{2\sigma ^{2}}}}\right)\\&=&{\frac {\partial }{\partial \mu }}\left(\log \left({\frac {1}{2\pi \sigma ^{2}}}\right)^{\frac {n}{2}}-{\frac {\sum _{i=1}^{n}(x_{i}-{\bar {x}})^{2}+n({\bar {x}}-\mu )^{2}}{2\sigma ^{2}}}\right)\\&=&0-{\frac {-2n({\bar {x}}-\mu )}{2\sigma ^{2}}}\\\end{matrix}}}

这个方程的解是{\displaystyle {\widehat {\mu }}={\bar {x}}=\sum _{i=1}^{n}x_{i}/n}.这的确是这个函数的最大值，因为它是{\displaystyle \mu }里头惟一的一阶导数等于零的点并且二阶导数严格小于零。

同理，我们对{\displaystyle \sigma }求导，并使其为零。

{\displaystyle {\begin{matrix}0&=&{\frac {\partial }{\partial \sigma }}\log \left(\left({\frac {1}{2\pi \sigma ^{2}}}\right)^{\frac {n}{2}}e^{-{\frac {\sum _{i=1}^{n}(x_{i}-{\bar {x}})^{2}+n({\bar {x}}-\mu )^{2}}{2\sigma ^{2}}}}\right)\\&=&{\frac {\partial }{\partial \sigma }}\left({\frac {n}{2}}\log \left({\frac {1}{2\pi \sigma ^{2}}}\right)-{\frac {\sum _{i=1}^{n}(x_{i}-{\bar {x}})^{2}+n({\bar {x}}-\mu )^{2}}{2\sigma ^{2}}}\right)\\&=&-{\frac {n}{\sigma }}+{\frac {\sum _{i=1}^{n}(x_{i}-{\bar {x}})^{2}+n({\bar {x}}-\mu )^{2}}{\sigma ^{3}}}\\\end{matrix}}}

这个方程的解是{\displaystyle {\widehat {\sigma }}^{2}=\sum _{i=1}^{n}(x_{i}-{\widehat {\mu }})^{2}/n}.

因此，其关于{\displaystyle \theta =(\mu ,\sigma ^{2})}的最大似然估计为：

{\displaystyle {\widehat {\theta }}=({\widehat {\mu }},{\widehat {\sigma }}^{2})=({\bar {x}},\sum _{i=1}^{n}(x_{i}-{\bar {x}})^{2}/n)}.

性质[编辑]

泛函不变性（Functional invariance）[编辑]

如果{\displaystyle {\widehat {\theta }}}是{\displaystyle \theta }的一个最大似然估计，那么{\displaystyle \alpha =g(\theta )}的最大似然估计是{\displaystyle {\widehat {\alpha }}=g({\widehat {\theta }})}.函数g无需是一个一一映射。请参见George Casella与Roger L. Berger所著的Statistical Inference定理Theorem 7.2.10的证明。（中国大陆出版的大部分教材上也可以找到这个证明。）

渐近线行为[编辑]

最大似然估计函数在采样样本总数趋于无穷的时候达到最小方差（其证明可见于Cramer-Rao lower bound）。当最大似然估计非偏时，等价的，在极限的情况下我们可以称其有最小的均方差。 对于独立的观察来说，最大似然估计函数经常趋于正态分布。

偏差[编辑]

最大似然估计的偏差是非常重要的。考虑这样一个例子，标有1到n的n张票放在一个盒子中。从盒子中随机抽取票。如果n是未知的话，那么n的最大似然估计值就是抽出的票上标有的n，尽管其期望值的只有{\displaystyle (n+1)/2}.为了估计出最高的n值，我们能确定的只能是n值不小于抽出来的票上的值。