极大似然估计是根据样本(x1,x2,…,xi,…,xn)的值来估计样本模型中参数(θ1,θ2,…,θi,…,θn)的。是一种参数估计方法。
其中,似然是似然函数的简称。可由L(x1,x2,…,xi,…,xn,θ1,θ2,…,θi,…,θn )来表示。实际上,样本一旦确定,人们一般会假设一个可拟合这些样本的模型,即参数个数是确定的,待求的是参数的具体值。比如,基于班上同学的身高数据,一般会假设身高是符合正态分布(μ,σ),待求的是这两个参数具体的值。
那么,如何基于已有的样本数据来求得模型中参数得具体值呢?
极大似然估计的意思是说,你只要能使L(x1,x2,…,xi,…,xn,θ1,θ2,…,θi,…,θn )最大,你的参数θ1,θ2,…,θi,…,θn 就是有效的。
以身高样本为例(假定身高样本是独立同分布的)。即当L(x1,x2,…,xi,…,xn,μ,σ )最大时,(μ,σ)被估计的是准确的。
求极大似然函数估计值的一般步骤:
(1) 写出似然函数;
(2) 对似然函数取对数,并整理;
(3) 求导数 ;
(4)导数为零时,似然函数取得极大值 。
极大似然估计的解释
最新推荐文章于 2022-09-27 19:09:34 发布