依然是一些最粗浅的理解:
当我们拥有一批实际数据,并且有一个模型可以模拟,那么极大似然估计(maximum likehood estimator)就可以帮助我们找出最符合这个模型的参数。当然,前提是模型要靠谱。
极大似然估计的原理是,用这个方法求得的参数可以使实际数据出现的概率最大。一个简单的例子是,如果我们已知一个样本符合几何分布,其似然函数(likehood function)也就是几何分布的概率密度函数。其极大似然估计值也就是该函数取极大值时的自变量。
依然是一些最粗浅的理解:
当我们拥有一批实际数据,并且有一个模型可以模拟,那么极大似然估计(maximum likehood estimator)就可以帮助我们找出最符合这个模型的参数。当然,前提是模型要靠谱。
极大似然估计的原理是,用这个方法求得的参数可以使实际数据出现的概率最大。一个简单的例子是,如果我们已知一个样本符合几何分布,其似然函数(likehood function)也就是几何分布的概率密度函数。其极大似然估计值也就是该函数取极大值时的自变量。