什么是极大似然估计？

极大似然估计，听到这个词你会是什么想法？有没有一些疑惑？什么是极大似然估计？

让我们来剖析这个词，极大似然估计这个词对于我来说，比较难懂的字是“似然”俩个字，

首先来说下什么是“似然”：

似然：像这个样子，其中的这个样子是来指参数的，换句话来说，就是来根据模型推出参数

再换个角度来说

常说的概率是指给定参数后，预测即将发生的事件的可能性。拿硬币这个例子来说，我们已知一枚均匀硬币的正反面概率分别是0.5，要预测抛两次硬币，硬币都朝上的概率：

H代表Head，表示头朝上

p(HH | pH = 0.5) = 0.5*0.5 = 0.25

 

而似然概率正好与这个过程相反，我们关注的量不再是事件的发生概率，而是已知发生了某些事件，我们希望知道参数应该是多少

 

借助知乎的案例

极大似然估计是我们在日常生活当中比较常用的思考模式.

比如你妈回家就见到你在玩电脑游戏,她就会说,怎么一天就知道玩.

好了,对于上面这个场景来说,你母亲就的确做了极大似然估计.
为了解释这个,让我们首先来回顾一下什么是极大似然估计.
对于一个随机变量X,其密度函数为p(x).如果p(x)在x*处取得最大值,那么x*就是随机事件X的极大似然估计.

回到你母亲的责备,可以把你今天做的事看成是随机变量X,比如x1=吃饭,x2=学习,x3=玩电脑游戏. 那么你母亲在今天第一眼看见你时,在她眼里立即呈现的经验密度函数就是p(x1)=p(x2)=0,p(x3)=1.所以她的思考方式(极大似然估计)就估计你一天都在玩，然后你就这样比窦娥冤了 or 你母亲的确估计对了。

 

对哟，听起来是这么回事哟。

 

总而言之了，极大似然估计，通俗理解来说，就是利用已知的样本结果信息，反推最具有可能（最大概率）导致这些样本结果出现的模型参数值。

它的核心是利用发生的事实来推出一些参数值。