最大似然估计？

概率和似然

似然常常被用作概率的同义词。但是在统计学中，二者有截然不同的用法，那在统计学中：

        1.概率描述的是：指定参数后，预测即将发生事件的可能性。

        2.似然描述的是：在一直某些观测所得到的结果时，对有关实物的性质的参数进行估计。

什么是似然函数？

在数理统计中，似然函数是一种关于统计模型中的参数的函数，既然是函数那自变量就是模型可能的参数值，因变量就是参数取具体值的似然性，通俗来说就是实验结果已知的情况下，参数为某个具体值的概率。

似然函数

如果  是已知确定的，  是变量，这个函数叫做概率函数(probability function)，它描述对于不同的样本点  ，其出现概率是多少。

如果  是已知确定的，  是变量，这个函数叫做似然函数(likelihood function), 它描述对于不同的模型参数，出现  这个样本点的概率是多少。

最大似然估计

通俗理解来说，就是利用已知的样本结果信息，反推出最有可能（即最大概率）导致这些样本结果出现的模型参数值。

也就是说，最大似然估计提供了一种给定观察数据来评估模型参数的方法。即：‘模型一定，参数未知’。

最大似然的核心：既然事情已经发生了，为什么不让这个出现的结果的可能性最大呢？

举个例子：

        现在一枚硬币，我们拿这个硬币抛了10次，得到的结果为：反正正正正反正正正反。我们想求的正面概率是模型参数（找一个使得出现上述结果概率最大）。

        抛硬币模型可以假设是二项分布,则有

                                               

        注意：这只是一个关于的参数，画出函数图像

 在 = 0.7时，似然函数取得最大值,也就是说当正面朝上的概率为0.7的时候，最有可能所有发生。

参考链接：

一文搞懂极大似然估计 - 知乎

详解最大似然估计（MLE）、最大后验概率估计（MAP），以及贝叶斯公式的理解-CSDN博客