概率论笔记7.1.2极大似然估计

于 2022-04-23 09:42:49 发布
阅读量973 收藏 3
点赞数 1
分类专栏： 概率论笔记 文章标签： 概率论
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_50026222/article/details/124359523
版权

7.1.2极大似然估计

两个例子来阐述极大似然估计的基本思想

首先是摸球的例子，有一堆100个球里有99个黑球1个白球，再拿一堆100个球，摸到一个黑球的概率有很大可能是黑球，这个时候的参数就是99

一个学生考试，只知道自己做的题目八二开，老师向他提出三个问题，他都不会，有理由可以判断，他不会占8，会的只占2

这就是极大似然估计的思想——求出让A发生的最大参数
在这里插入图片描述

例题与模板

模板在左边，例题在右边

离散型
在这里插入图片描述
连续型
在这里插入图片描述
第二题的参数有两个，所以要求偏导数

在这里插入图片描述
注意

均匀分布求极大似然估计时，结果与矩估计是不相同的，模板也套不了，因为求的结果n为0

被遗忘在角落的死小孩
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
最大似然估计总结笔记
Qingan Yan
01-09 21万+
最大似然估计学习总结------MadTurtle 1. 作用 在已知试验结果（即是样本）的情况下，用来估计满足这些样本分布的参数，把可能性最大的那个参数作为真实的参数估计。 2. 离散型 设为离散型随机变量，为多维参数向量，如果随机变量相互独立且概率计算式为P{，则可得概率函数为P{}=，在固定时，上式表示的概率；当已知的时候，它又变成的函数，可以把它记为，称此函数为似然函数。似然函数值的大小意味着该样本值出现的可能性的大小，既然已经得到了样本值，那么它出现的可能性应该是较大的，即似然函数的值也应
极大似然估计详解
知行流浪
05-28 38万+
极大似然估计         以前多次接触过极大似然估计，但一直都不太明白到底什么原理，最近在看贝叶斯分类，对极大似然估计有了新的认识，总结如下： 贝叶斯决策         首先来看贝叶斯分类，我们都知道经典的贝叶斯公式：         其中：p(w)：为先验概率，表示每种类别分布的概率；：类条件概率，表示在某种类别前提下，某事发生的概率；而为后验概率，表示某事发生
均匀分布（uniform distribution）期望的最大似然估计（maximum likelihood estimation）
07-12 5万+
maximum estimator method more known as MLE of a uniform distribution[0,θ][0, \theta] 区间上的均匀分布为例，独立同分布地采样样本 x1,x2,…,xnx_1, x_2, \ldots, x_n，我们知均匀分布的期望为：θ2\frac\theta2。首先我们来看，如何通过最大似然估计的形式估计均匀分布的期望。均匀分布的
均匀分布U(θ-1/2,θ+1/2）参数θ的极大似然估计
qq_46405564的博客
05-17 1万+
设为均匀均匀总体分布总体X~U(θ-1/2,θ+1/2）中的n个简单随机样本，则有 其似然函数; 求; 由 令,可得到θ的一个极大似然估计为（1） 令可得到θ的一个极大似然估计为（2） 由（1）（2）可得到θ的极大似然估计为； 对于参数θ的这三个估计量的比较，我们先引入一下引理： 设总体,为均匀均匀总体分布总体X~U(θ-1/2,θ+1/2）中的n个简单随机样本,,有 1.对于三种估计量的无偏性，我们有;下面我们只证明第一个 证明：由 ;证毕。 2.对于三个估计量的一致性
从最大似然到EM算法浅解
热门推荐
zouxy09的专栏
01-24 40万+
从最大似然到EM算法浅解 zouxy09@qq.com http://blog.csdn.net/zouxy09 机器学习十大算法之一：EM算法。能评得上十大之一，让人听起来觉得挺NB的。什么是NB啊，我们一般说某个人很NB，是因为他能解决一些别人解决不了的问题。神为什么是神，因为神能做很多人做不了的事。那么EM算法能解决什么问题呢？或者说EM算法是因为什么而来到这个世界
均匀分布的点估计量
hahabula1018的博客
03-15 2488
均匀分布的点估计量
概率统计笔记：极大似然估计
weixin_42521167的博客
08-02 1065
极大似然估计，误差的高斯分布与最小二乘估计的等价性极大似然估计的具体步骤似然函数假设样本观测值求解方程 极大似然估计的具体步骤 假设有随机变量X∼P(x;θ)X\sim P(x;\theta)X∼P(x;θ) 现有样本x1,x2,...xNx_1, x_2, ...x_Nx1​,x2​,...xN​ 我们需要做四步：表示似然函数、假设样本观测值、求解方程和代入数据。 似然函数 对于离散型和连续型随...
概率、似然与极大似然估计
jikuibu
03-21 1500
今天来学习极大似然估计这个颇为抽象的内容。 1、似然与概率的概念 二者看似相近，实则不同。在统计学中，似然函数（likelihood function，通常简写为likelihood，似然）是一个重要内容，在非正式场合似然和概率（Probability）几乎是一对同义词，但是在统计学中似然和概率却是两个不同的概念。 概率是在特定环境下某件事情发生的可能性，也就是结果没有产生之前依据环境所对应...
极大似然估计法（概率论）
最新发布
02-21
极大似然估计法是概率论和统计学中一种重要的参数估计方法，它的基本思想是找到一组参数，使得观察到的数据出现的概率最大。这种方法基于这样的假设：我们有一个未知参数的统计模型，而我们的观测数据是从该模型中...
掷硬币的概率极大似然估计.docx
11-13
标题中的“掷硬币的概率极大似然估计”指的是在统计学和概率论中，通过极大似然估计（Maximum Likelihood Estimation, MLE）方法来确定一枚硬币正反面出现的概率。当我们进行一系列独立的抛硬币实验，观察到的结果是...
一类均匀分布参数的极大似然估计及优良性 (2007年)
05-11
该文讨论了U［-θ，0］上参数θ的极大似然估计及修正后的极大似然估计的均方误差和相合性，并进一步证明了修正后的极大似然估计还是参数θ的UMVUE．
极大似然估计方法
01-04
### 极大似然估计方法 #### 一、极大似然估计法简介 极大似然估计（Maximum Likelihood Estimation, MLE）是一种常用的参数估计方法，在统计学和机器学习领域有着广泛的应用。该方法的基本思想是：在给定样本数据...
最大似然估计(MadTurtle)
lzzdflg的博客
12-26 490
似然函数似然函数是给定联合样本值x下关于未知参数θ的函数： 等式右边表明在给定θ时，x出现的可能性大小。 类似于当x∈X时 如果X时离散的随机变量 ，即代表了在参数θ下随机向量X取到x的可能性，也可以称为概率质量函数。 当X为连续随机变量时，那么f(x|θ)为给定θ下x的概率密度函数。等式左边表明在给定样本x时，对于不同的θ，那个θ可以使x出现的可能性最大。 （这里的参数θ可以参照后面极
【概率论】极大似然估计和最大后验估计
Mr_health的博客
07-23 9270
目录 1.概率模型和非概率模型 1.1 非概率模型 1.1 概率模型 2 频率学派和贝叶斯学派 2.1 频率学派 2.2 贝叶斯学派 3. 极大似然估计 3.1 什么是极大似然估计 3.2 极大似然原理及数学表示 3.3 极大似然估计法(Maximum Likelihood Estimation,MLE) 3.4 极大似然估计法求估计值的步骤 3.5 例题 1.概率模型和非概率模型 要介绍极大似然估计和最大后验估计，就要先从概率模型和非概率模型说起。极大似然估计和最大后验估计都.
摸球问题
qq_44872466的博客
04-26 3943
问题描述 口袋中有a只黑球和b只白球，它们除颜色不同外没有其他区别。现在将球一只只随机取出，求第k次取出是黑球的概率。 排列 将a只白球和b只黑球都看作是不同的，若把a+b个球排列在一条直线上，则共有（a+b）!种排列方法。考虑有利于第k次为黑球的情况，则除第k个位置为黑球共有a种情况，其余a+b-1个球排列共（a+b-1）!种排列方法。因此，共有a(a+b-1)!种情况。 组合 将同种颜色的球看作相同，同样将a+b个球放置在一条直线上。此时，当b个白球的位置取定时，黑球的位置也随之确定。那么总共有 种情
为什么对高斯分布的方差的极大似然估计是有偏的？
qykshr的专栏
04-09 1万+
本文要证明为什么对高斯分布的方差的极大似然估计是有偏的。同时，也说明为什么求样本方差时，分母是N-1而不是N。 首先，明白两点，（1）极大似然法得到的高斯方差是什么形式（2）什么是有偏 （1）先说第一个问题，用极大似然估计得到的高斯方差是什么。 假设有n个符合高斯独立同分布的观测值 ，我们要根据这些样本值估计正态分布的期望和方差。 以上信息可以表示为： （1）
概率论与数理统计：似然函数及极大似然估计解析
"这篇资料主要讨论的是概率论与数理统计中的重要概念——似然函数与极大似然估计。" 在概率论与数理统计中，似然函数（Likelihood Function）是一个用来评估模型参数可能性的函数。它描述了给定一组观测数据时，...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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