引言
在学习贝叶斯估计时,遇到了似然函数的概念。这一概念并不陌生,在概率论中,介绍过参数估计的两种方法:极大似然估计和矩估计。其中,极大似然估计就是通过构造似然函数,取对数并计算极大值,来进行参数估计的。事实上,似然函数的确是常用于参数估计,或者更确切地说,是得到参数在某一观测条件下的后验分布。
参数已知下的概率分布
考虑一个密度函数 f ( x ) f(x) f(x),其参数 θ \theta θ已知,则可据此得出概率 P ( X = x ; θ ) P(X=x;\theta) P(X=x;θ)。对于该密度函数,我们进行试验和观测,得到结果 x 1 , x 2 , . . . , x n x_1,x_2,...,x_n x1,x2,...,xn,记 X = x i X=x_i X=xi为事件 X i X_i Xi,显然事件 X i X_i X