通过一道概率论应用题理解最大似然估计

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_30986521/article/details/82911214

题目:张三为了测一个天平的精度,用n个相同质量为\mu的砝码来测试,n次的测试结果是\chi _{1}, \chi _{2}, ,\chi _{3}...\chi _{n},相互独立且服从正态分布N(\mu ,\sigma ^{2}),工程师记录n次的误差为:Z_{i} = |\chi _{i} - \mu |

现在让你用\chi _{1}, \chi _{2}, \chi _{3}...\chi _{n},估计\sigma

或者用Z_{1}, Z _{2}, Z _{3}....Z _{n},估计\sigma

问题意思:张三大学毕业了,去工厂打工,侧天平精度,通过尝试可以确定测试结果服从正态分布,同时正态分布的对称轴就是\mu。但是张三想彰显他是一个本科毕业生,所以要展示自己的水平,他想求出正态分布中的\sigma,从却完整的确定n和测量结果。那么怎么确定\sigma呢?

思路:于是张三就想,我n次测试,测试结果\chi _{1}, \chi _{2}, ,\chi _{3}...\chi _{n},相对对立,我现在要干的事情就是要让这n个相对独立事件同时发生的概率最大,也就是:

                                                               \sigma =argmax _{\sigma }\prod P\left ( \chi _{i} \right|\sigma )

                                                                P(\chi _{i}|\sigma ) = \frac{1}{\sqrt{2pi}\sigma }e^{-\frac{(\chi _{i} - u)^{2}}{2\sigma ^{2}}}

所以另L(\sigma ) = \prod P(\chi _{i}|\sigma ),然后对L(\sigma)求导,令倒数等于0,得:

                                                           

推导过程写在纸上:

经过一番推导,张三发现原来\sigma ^{2}就是样本的方差。所以就可以通过已有的\chi _{1}, \chi _{2}, ,\chi _{3}...\chi _{n},推出\sigma ^{2}。其实张三如果深刻理解正态分布的话,不用推导,就应该知道\sigma ^{2}就是方差。但是张三的状态和我们训练样本的状态是一样的,我们有各种各种的分布,分布函数的里面有未知数,但是我们并不知道这个未知数的真正含义,所以我们就要用最大似然估计的方法来求未知数。一个未知数,导数为0,多个未知数,偏导为0.


同时也可以通过Z的分布来估计\sigma ^{2},结果是一样的。

猜你喜欢

转载自blog.csdn.net/qq_30986521/article/details/82911214
今日推荐