2.11 极大似然估计
Last updated
Was this helpful?
Last updated
Was this helpful?
极大似然估计,
由于样本集中的样本都是独立同分布,可以只考虑一类样本集D,来估计参数向量θ。记已知的样本集为:
如果 $\hat{\theta}$是参数空间中能使似然函数$l(\theta)$最大的θ值,$\hat{\theta}$则应该是“最可能”的参数值,那么 $\hat{\theta}$ 就是θ的极大似然估计量。它是样本集的函数,记作:
I 为指示函数,上式的分子,表示$y{i}=c{k}$时的统计次数,分母表示一共有多少个样本。
似然函数(linkehood function):联合概率密度函数$P(D|\theta )$称为相对于的$\theta$的似然函数。
,称为极大似然估计值