最大似然估计
目录
- 最大似然估计(MLE)
- MLE求解过程
一、最大似然估计(MLE)
MLE(Maximum Likelihood Estimation)就是利用已知的样本结果,反推最有可能(最大概率)导致这样结果的参数值的计算过程。直白来讲,就是给定了一定的数据,假定知道数据是从某种分布中随机抽取出来的,但是不知道这个分布具体的参数值,即"模型已定,参数未知",MLE就可以用来估计模型的参数。MLE的目标是找出一组参数(模型中的参数),使得模型产出观察数据的概率最大。
二、MLE求解过程:
- 编写似然函数(即联合概率函数)(似然函数:在样本固定的情况下,样本出现的概率与参数θ之间的函数);
- 对似然函数取对数,并整理;(一般都进行)
- 求导数;
- 解似然方程