最大似然估计（Maximum likelihood estimation）

时间：2014-10-05 15:26:18 阅读：173 评论：0 收藏：0 [点我收藏+]

一、定义

最大似然估计是一种根据样本来估计模型参数的方法。其思想是，对于已知的样本，假设它服从某种模型，估计模型中未知的参数，使该模型出现这些样本的概率最大。这样就得到了未知参数的估计值。

二、过程

举例而言，我们要统计全国人口的体重，首先假设全国人口的体重服从正态分布，但均值和方差未知。由于我们没有那么多的人力和物力来统计，因此我们可以采样，通过最大似然估计的方法来评估这个正态分布的均值和方差。

1. 列出似然函数

假设样本

是独立同分布，正态分布的概率密度函数用

表示，未知参数用

表示，那么这个模型就可以表示为：

则似然函数就表示为：

2. 对似然函数取对数

在实际计算时，为了方便，对上式两边取对数：

其中，

称为对数似然。我们所说的求最大似然，其实就是求最大对数似然：

3. 求导数

那么

在什么时候取最大值呢？最简洁的方法便是求导数，解似然函数方程：

原文地址：http://blog.csdn.net/u014313009/article/details/39802295

踩

(0)

评论一句话评论（0）

分享档案

更多>

周排行