最大似然估计

概率:        我们已知参数,需要根据参数,计算某种情况出现的概率

似然定义: 已知分布律,但是参数未知,需要根据 多次实验 出现的情况,估计参数最可能的取值

【参数的取值】:当参数不同时,分布律发生的概率是不同的,一般情况下发生的事都是最有可能发生的,没有很多的miracle,所以我们希望  \large \Theta 的取值能取到极大值。

 

一个栗子:

一枚硬币,有 “花” 和 “人” 两种形式,抛了6次, 每次将硬币抛10下,我们会得到这6次的记录

我们可以根据这6次的记录,估计参数 \large \theta 最有可能的取值。

假设这6次正面向上的记录为{4,5,5,2,7,4}

 

实验结果的联合分布律 :\large L(\theta )=\prod_{i=1}^{n}p(x_{i}|\theta )

 

最终 \large \theta 对应的应该是 联合分布概率最高时 对应的   \large \hat{\theta}

 

公式表示:

\large L(x_{1},x_{2},...,x_{n}|\hat\theta ) = max L(x_{1},x_{2},...,x_{n}|\theta )

 

求解:

考虑极值的求法,即使得 上式的(偏)导数为0。  考虑到乘法:我们可以利用 log() 来计算。

 

 

参考连接:https://www.zhihu.com/question/24124998

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值