最大似然估计

目的

最大概率反推模型的参数值。

方法

利用已知的样本结果信息。

前提

所有的采样都是独立同分布的。

理解

首先看一下似然函数$p(x\mid \theta )$的理解。

对于这个函数，输入有两个：$x$表示某一个具体的数据；$\theta$表示模型的参数。

如果$\theta$是已知确定的，$x$是变量，这个函数叫做概率函数，它描述对于不同的样本点$x$，其出现的概率是多少。

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

这有点像“一菜两吃”的意思。其实这样的形式我们以前也还是遇到过的。
例如，$f(x,y)=x^y$，即$x$的$y$次方。
如果$x$是已知确定的（例如$x=2$），这就是$f(y)=2^y$，这是指数函数。
如果$y$是已知确定的（例如$y=2$），这就是$f(x)=x^2$，这是二次函数。
同一个数学形式，从不同的变量角度观察，可以有不同的名字。

实例1

假设有一个罐子，里面有黑白两种颜色的球，数目多少不知，两种颜色的比例也不知。我们想知道罐中白球和黑球的比例，但我们不能把罐中的球全部拿出来数。现在我们可以每次任意从已经摇匀的罐中拿一个球出来，记录球的颜色，然后把拿出来的球再放回罐中。这个过程可以重复，我们可以用记录的球的颜色来估计罐子中黑白球的比例。假如再前面的一百次重复记录中，有七十次是白球，请问罐中白球所占的比例最有可能是多少？

很多人马上就有答案了：70%。而其后的理论支撑是什么呢？

我们假设罐子中白球的比例是$p$，那么黑球的比例是$1-p$。因为每抽一个球出来，在记录颜色之后，我们把抽出的球放回了罐中并摇匀，所以每次抽出来的球的颜色服从同一独立分布。

这里我们把一次抽出来球的颜色称为一次采样。题目中在一百次采样中，七十次是白球，三十次是黑球事件的概率是：

$$P(样本结果|Model)$$

如果第一次抽象的结果记为$x_1$，第二次抽样的结果记为$x_2$，……，那么样本结果为（$x_1$，$x_2$，……，$x_{1}00$）。这样，我们可以的大如下表达式：

$$P(样本结果|Model)=P(x_1,x_2,...,x_{100}|Model)=P(x_1|M)P(x_2|M)...P(x_{100}|M)=p^{70}(1-p{)}^{30}$$

那么这里已经有了观察样本结果出现的概率表达式了。那么我们要求的模型的参数，也就是求式中的$p$。

那么我们怎么来求这个$p$呢？

不同的$p$，直接导致$P(样本结果|Model)$的不同。

实际上$p$有无数多种分布。
当$p=0.5$时，$p^{70}(1-p{)}^{30}=7.8\ast 10^{-31}$。
当$p=0.7$时，$p^{70}(1-p{)}^{30}=2.95\ast 10^{-27}$。

那么，这里既然有无数种分布可以选择，极大似然估计应该按照什么原则去选取这个分布呢？

答：采取的方法是让这个样本结果出现的可能性最大，也就是使得$p^{70}(1-p{)}^{30}$值最大，那么我们就可以看成是$p$的方程，求导即可。

那么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？这也就是最大似然估计的核心。

我们想办法让观察样本出现的概率最大，转换为数学问题就是使得：

$p^{70}(1-p{)}^{30}$最大，这里我们令$p^{70}(1-p{)}^{30}$的导数为0，即可求出$p$为70%，与我们一开始认为的70%是一致的。其中蕴含着我们的数学思想在里面。

实例2

假设我们要统计全国人民的年均收入，首先假设这个收入服从正态分布，但是该分布的均值与方差未知。

没有太多人力和物力来统计全国每个人的收入，这里就可以用到最大似然估计。

我们比如选取一个城市或者一个乡镇的人口收入，作为我们的观察样本结果。然后通过最大似然估计获取上述假设中的正态分布的参数。

有了参数的结果后，我们就知道该正态分布的期望和方差了，也就是我们通过了一个小样本的采样，反过来知道了全国人民年收入的一系列重要的数学指标量。

最大似然估计的核心关键就是对于一些情况，样本太多，无法得出分布的参数值，可以采样小样本后，利用最大似然估计获取假设中分布的参数值。

问题

为什么最大似然函数最大，参数就最有可能？

现在已经拿到了很多个样本（我们的数据集中所有因变量），这些样本值已经实现，最大似然估计就是去找到那些参数的估计值，使得前面已经实现的样本值发生概率最大。因为手头上的样本已经实现了，其发生概率最大才符合逻辑。

这时是求样本所有观测的联合概率最大化，是个连乘积，只要取对数，就变成了线性加总。此时通过对参数求导数，并令一阶导数为零，就可以通过解方程（组），得到最大似然估计值。