[贝叶斯八]之极大似然估计

一、简单介绍

极大似然估计是根据观察数据来估计模型参数的方法，即“模型已定，模型未知”。它是参数估计的一种方法，请参考《概率论与数理统计(浙大第四版)》中参数估计。

举个例子，大家都知道抛硬币的实验： 假设有一枚不规则的硬币，要计算它正面朝上的概率。其实就是估计一个二分布的参数。现在我们开始做实验，抛了10次，得到相应的结果。那么如何根据这些结果来估计我们的参数呢？这就是极大似然估计要处理的一个场景。

二、理论推导

我们假设$[x_1, x_2, x_3, x_4, ......., x_n]$是独立同分布的采样，$\theta$是模型参数。因为采样是独立的，所以该采样出现的概率可以用如下连乘表示。

L(θ)=L(x1