1.概率与统计
概率:已知模型和参数,研究数据相关特征。
统计:已知数据,推测模型和参数。
2.概率密度
定义 | 大小 | 积分结果 | 一点的值 | |
概率密度p | 概率的密集程度 | 概率和为1,p可以大于1 | 得到概率 | 一个点可以有概率密度,但一个点的概率值为0 |
密度 | 质量的密集程度 | 质量为m,可以大于m | 得到质量 | 一个点可以有密度,但一个点的质量为0 |
3.最大似然估计的步骤
重点1:最大似然估计的基本假设:样本独立同分布
①写似然函数
a.离散型变量:似然函数是概率分布函数的乘积
b.连续型变量:似然函数是概率密度函数的乘积
重点2:对b的解释:
很显然如果连续型变量似然函数是概率分布函数的乘积是不符合似然函数的意义的,因为F(x)表示的是P{X<=x},并不能表达P{X=x}的含义。那么为什么是概率密度的乘积,概率密度本身并不是概率啊?自己的理解:实际上连续型似然函数表达的是在样本邻域的概率的乘积,即: