最大似然估计（Maximum Likelihood，ML）

最新推荐文章于 2024-06-05 20:22:59 发布

phoem

最新推荐文章于 2024-06-05 20:22:59 发布

阅读量5.1k

点赞数

文章标签： c

本文链接：https://blog.csdn.net/phoem/article/details/5826832

版权

最大似然估计是一种统计方法，它用来求一个样本集的相关概率密度函数的参数。这个方法最早是遗传学家以及统计学家罗纳德·费雪爵士在1912年至1922年间开始使用的。“似然”是对likelihood 的一种较为贴近文言文的翻译，“似然”用现代的中文来说即“可能性”。故而，若称之为“最大可能性估计”则更加通俗易懂。

　　最大似然法明确地使用概率模型，其目标是寻找能够以较高概率产生观察数据的系统发生树。最大似然法是一类完全基于统计的系统发生树重建方法的代表。该方法在每组序列比对中考虑了每个核苷酸替换的概率。

最大似然估计的原理

给定一个概率分布 $D$ ，假定其概率密度函数（连续分布）或概率聚集函数（离散分布）为 $f D$ ，以及一个分布参数 $θ$ ，我们可以从这个分布中抽出一个具有 $n$ 个值的采样 $X_1, X_2,/ldots, X_n$ ，通过利用 $f D$ ，我们就能计算出其概率：

$/mathbb{P}(x_1,x_2,/dots,x_n) = f_D(x_1,/dots,x_n /mid /theta)$

　　但是，我们可能不知道 $θ$ 的值，尽管我们知道这些采样数据来自于分布 $D$ 。那么我们如何才能估计出 $θ$ 呢？一个自然的想法是从这个分布中抽出一个具有 $n$ 个值的采样 $X 1, X 2,..., X n$ ，然后用这些采样数据来估计 $θ$ .

　　一旦我们获得 $X_1, X_2,/ldots, X_n$ ，我们就能从中找到一个关于 $θ$ 的估计。最大似然估计会寻找关于 $θ$ 的最可能的值（即，在所有可能的 $θ$ 取值中，寻找一个值使这个采样的“可能性”最大化）。这种方法正好同一些其他的估计方法不同，如 $θ$ 的非偏估计，非偏估计未必会输出一个最可能的值，而是会输出一个既不高估也不低估的 $θ$ 值。

　　要在数学上实现最大似然估计法，我们首先要定义可能性:

最低0.47元/天解锁文章

phoem

关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
最大似然估计（Maximum Likelihood，ML）

<br /><br />最大似然估计是一种统计方法，它用来求一个样本集的相关概率密度函数的参数。这个方法最早是遗传学家以及统计学家罗纳德·费雪爵士在1912年至1922年间开始使用的。“似然”是对likelihood 的一种较为贴近文言文的翻译，“似然”用现代的中文来说即“可能性”。故而，若称之为“最大可能性估计”则更加通俗易懂。<br />　　最大似然法明确地使用概率模型，其目标是寻找能够以较高概率产生观察数据的系统发生树。最大似然法是一类完全基于统计的系统发生树重建方法的代表。该方法在每组序列比对中考虑
复制链接

扫一扫