本文介绍了似然函数在贝叶斯估计和参数估计中的作用，通过实例解析了如何利用似然函数进行参数估计。以投掷硬币为例，展示了在不同θ值下，似然函数如何反映参数在观测数据下的最佳估计。
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
最低0.47元/天 解锁文章
扫一扫
786
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
