二项分布极大似然

这个概念既是对二项分布在极大似然的条件下的参数估计，求每个数据点似然值的乘积。
我们还是用之前的例子，我们调查7个人，假设每个人喜欢两种口味芬达的概率各为0.5，恰好有4人喜欢橘子味的芬达，3个人喜欢葡萄味的芬达的概率：

image.png

那么我们换个话题，我想求调查7个人，有4个人选择橘子味的芬达，每个人选择橘子味芬达的概率p=0.5的似然值

image.png

image.png

那么接下来，我们想求一下，每个人选择橘子味芬达的概率p为多少时，调查7个人，有4个人选择橘子味的芬达的似然值最大：
若以每个人选择橘子味芬达的概率p为横坐标，似然值为纵坐标，那么一般会有一个概率值p使得似然值最大

image.png

1. 构造似然函数：该似然函数以概率p为自变量

   
   
   image.png
   
   

   2.自然对数化：

   
   
   image.png
   
   3.求导：令其为0
   
   image.png
   
   
   image.png
   
   
   image.png
   
   

   意味着当每个人选择橘子味芬达的概率p=0.57时，调查7个人，有4个人选择橘子味的芬达这个事件发生的似然值最大

一般的，总人数n和喜欢橘子味芬达的人数x未知的情况下：

image.png

image.png

image.png

这样就求得了p与n和x之间的关系了

正态分布极大似然

我们先看一下正态分布的分布密度函数：

image.png

例如我要求某个条件下的似然值，如下图：

image.png

image.png

同样的道理：

1. 构造似然函数：

   
   
   image.png

2. 取自然对数：

   
   
   image.png
   
   

   取对数的好处是可以将乘积变成加和

   
   
   
   3.对均值求偏导：
   
   image.png
   
   

   化简得到

   
   
   image.png

3. 对标准差求偏导：

   
   
   image.png
   
   

   化简得到

   
   
   image.png

4. 分别令其为0
   对均值求偏导：

   
   
   image.png
   
   
   image.png
   
   

   对标准差求偏导：

   
   
   image.png
   
   
   image.png
   
   这样的化就可以求得，均值和方差的参数估计值了