-
最大似然估計
鎖定
最大似然估計基本概念
“似然”是對likelihood 的一種較為貼近文言文的翻譯,“似然”用現代的中文來説即“可能性”。故而,若稱之為“最大可能性估計”則更加通俗易懂。
例如,轉換出現的概率大約是顛換的三倍。在一個三條序列的比對中,如果發現其中有一列為一個C,一個T和一個G,我們有理由認為,C和T所在的序列之間的關係很有可能更接近。由於被研究序列的共同祖先序列是未知的,概率的計算變得複雜;又由於可能在一個位點或多個位點發生多次替換,並且不是所有的位點都是相互獨立,概率計算的複雜度進一步加大。儘管如此,還是能用客觀標準來計算每個位點的概率,計算表示序列關係的每棵可能的樹的概率。然後,根據定義,概率總和最大的那棵樹最有可能是反映真實情況的系統發生樹。
[1]
最大似然估計原理
給定一個概率分佈D,假定其概率密度函數(連續分佈)或概率聚集函數(離散分佈)為fD,以及一個分佈參數θ,我們可以從這個分佈中抽出一個具有n個值的採樣X1,X2,...,Xn,通過利用fD,我們就能計算出其概率:
一旦我們獲得,我們就能從中找到一個關於θ的估計。最大似然估計會尋找關於 θ的最可能的值(即,在所有可能的θ取值中,尋找一個值使這個採樣的“可能性”最大化)。這種方法正好同一些其他的估計方法不同,如θ的非偏估計,非偏估計未必會輸出一個最可能的值,而是會輸出一個既不高估也不低估的θ值。
要在數學上實現最大似然估計法,我們首先要定義可能性:
最大似然估計性質
最大似然估計泛函不變性
最大似然估計漸近線行為
最大似然估計函數在採樣樣本總數趨於無窮的時候達到最小方差(其證明可見於Cramer-Rao lower bound)。當最大似然估計非偏時,等價的,在極限的情況下我們可以稱其有最小的均方差。對於獨立的觀察來説,最大似然估計函數經常趨於正態分佈。
[1]
最大似然估計偏差
最大似然估計的非偏估計偏差是非常重要的。考慮這樣一個例子,標有1到n的n張票放在一個盒子中。從盒子中隨機抽取票。如果n是未知的話,那麼n的最大似然估計值就是抽出的票上標有的n,儘管其期望值的只有(n + 1) / 2。 為了估計出最高的n值,我們能確定的只能是n值不小於抽出來的票上的值。
[1]
最大似然估計最大似然估計的一般求解步驟
基於對似然函數L(θ)形式(一般為連乘式且各因式>0)的考慮,求θ的最大似然估計的一般步驟如下:
(1)寫出似然函數
總體X為離散型時:
總體X為連續型時:
(2)對似然函數兩邊取對數有
總體X為離散型時:
總體X為連續型時:
(3)對
求導數並令之為0:
最大似然估計例題
解:X的概率密度為
可得似然函數如下:
取對數,得
令
解得
故μ和σ的最大似然估計量分別為