参数估计方法

参数估计有多种方法，下面简单和大家分享以下两种：

一、最大似然估计

原理： 最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大，也就是概率分布函数或者说是似然函数最大。

二、最小二乘法

当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得模型能最好地拟合样本数据，也就是估计值和观测值之差的平方和最小。

三、两者联系

一般假设其满足正态分布函数的特性，在这种情况下，最大似然估计和最小二乘估计是等价的，也就是说估计结果是相同的，但是原理是不同的。最小二乘法以估计值与观测值的差的平方和作为损失函数，极大似然法则是以最大化目标值的似然概率函数为目标函数。

四、总结

最小二乘法的核心是权衡，因为你要在很多条线中间选择，选择出距离所有点之后最短的，而极大似然核心是自恋，要相信自己是天选之子，自己看到的，就是冥冥之中最接近真相的。当服从正态分布时，两都的结论相等。

个人见解，欢迎批评指正！

————————————————
版权声明：本文为CSDN博主「玲[逆流而上]」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_45734454/article/details/102961112