最大似然估计
1.问题引出
最大似然估计是一个重要而普遍的求估计量的方法。如果刚开始学这个的同学直接去百度词条看概述,可能还是不太明白其含义。所以我将用一个例子来说明这个方法:
如图:有两个相同盒子,甲中有太阳99个,月亮1个;乙中有太阳1个,月亮99个。现在,从一个盒子中取出一个玩具,取出的玩具是月亮。
问:月亮是从哪个盒子中取出的?
大家的第一想法就是:“这个月亮是从乙盒中取出的”,这个经验符合人们的经验事实。这里面的“最像”就是“最大似然”的意思,这种想法就叫“最大似然原理”。
总结一下:
最大似然估计的目的就是:已知样本结果,反推最有可能(最大概率)导致这样结果的参数值。
1.1 算法概念
“模型已定,参数未知”
给定:模型(参数全部或者部分未知),样本集。
估计:模型的未知参数。
1.2 算法前提
所有的采样都要服从独立同分布。
2.求解最大似然函数
mL估计(最大似然估计):求使得出现该组样本的概率最大的θ值。
实际中为了便于分析,定义了对数似然函数:
(1)未知参数只有一个(θ为标量)
在似然函数满足连续、可微的正则条件下,极大似然估计量是下面微分方程的解:
等价于
(2)未知参数有多个(θ为向量)
则θ可表示为具有S个分量的未知向量:
记梯度算子:
若似然函数满足连续可导的条件,则最大似然估计量就是如下方程的解。
方程的解只是一个估计值,只有在样本数趋于无限多的时候,它才会接近于真实值。
3. 总结
求最大似然估计量 的一般步骤;
(1) 写出似然函数;
(2) 对是函数取对数
(3) 求导数
(4) 解方程
重点难点
(1) 函数理解;
(2) 函数公式理解;
(3) 求解函数步骤;
个人学习记录,希望对同学们有用,但是由于能力和时间有限,如果有错误望读者纠正,谢谢!