概念
现实中任何随机变量的概率分布函数都是未知的。
如果假定随机变量服从某种分布(如正态分布),可以通过统计手段来计算该分布的参数,这种方法称为参数估计。
极大似然估计(Maximum Likelihood Estimate, MLE)是一种参数估计的方法,利用已知样本结果,反推最大可能导致这样结果的参数值。
安装
pip install scipy
代码
若随机变量X服从一个数学期望为 μ μ μ、方差为 σ 2 σ^2 σ2的正态分布,记为 N ( μ , σ 2 ) N(μ,σ^2) N(μ,σ2)
import numpy as np
from scipy.stats import norm
import matplotlib.pyplot as plt
μ = 30 # 数学期望
σ = 2 # 方差
x = μ + σ * np.random.randn(10000) # 正态分布
plt.hist(x, bins=100) # 直方图显示
plt.show()
print(norm.fit(x)) # 返回极大似然估计,估计出参数约为30和2