-
極大似然估計
鎖定
極大似然估計方法(Maximum Likelihood Estimate,MLE)也稱為最大概似估計或最大似然估計,是求估計的另一種方法,最大概似是1821年首先由德國數學家高斯(C. F. Gauss)提出,但是這個方法通常被歸功於英國的統計學家。羅納德·費希爾(R. A. Fisher)
- 中文名
- 極大似然估計
- 外文名
- (Maximum Likelihood Estimate)
- 別 名
- 最大概似估計或最大似然估計
- 學 科
- 數學
- 簡 稱
- MLE
- 提出者
- 高斯(C. F. Gauss)
極大似然估計研究歷史
極大似然估計方法是求估計的另一種方法,1821年首先由德國數學家C. F. Gauss(高斯)提出,但是這個方法通常被歸功於英國的統計學家R. A. Fisher(羅納德·費希爾),他在1922年的論文On the mathematical foundations of theoretical statistics, reprinted in Contributions to Mathematical Statistics (by R. A. Fisher), 1950, J. Wiley & Sons, New York 中再次提出了這個思想,並且首先探討了這種方法的一些性質.極大似然估計這一名稱也是費希爾給的。這是一種仍然得到廣泛應用的方法。
極大似然估計原理
它是建立在極大似然原理的基礎上的一個統計方法,極大似然原理的直觀想法是,一個隨機試驗如有若干個可能的結果A,B,C,... ,若在一次試驗中,結果A出現了,那麼可以認為實驗條件對A的出現有利,也即出現的概率P(A)較大。極大似然原理的直觀想法我們用下面例子説明。設甲箱中有99個白球,1個黑球;乙箱中有1個白球.99個黑球。現隨機取出一箱,再從抽取的一箱中隨機取出一球,結果是黑球,這一黑球從乙箱抽取的概率比從甲箱抽取的概率大得多,這時我們自然更多地相信這個黑球是取自乙箱的。一般説來,事件A發生的概率與某一未知參數
有關,
取值不同,則事件A發生的概率
也不同,當我們在一次試驗中事件A發生了,則認為此時的
值應是t的一切可能取值中使
達到最大的那一個,極大似然估計法就是要選取這樣的t值作為參數t的估計值,使所選取的樣本在被選的總體中出現的可能性為最大。
[1]
極大似然估計,只是一種概率論在統計學的應用,它是參數估計的方法之一。説的是已知某個隨機樣本滿足某種概率分佈,但是其中具體的參數不清楚,參數估計就是通過若干次試驗,觀察其結果,利用結果推出參數的大概值。極大似然估計是建立在這樣的思想上:已知某個參數能使這個樣本出現的概率最大,我們當然不會再去選擇其他小概率的樣本,所以乾脆就把這個參數作為估計的真實值。
當然極大似然估計只是一種粗略的數學期望,要知道它的誤差大小還要做區間估計。
極大似然估計求解步驟
1.求極大似然函數估計值的一般步驟:
(1) 寫出似然函數;
(2) 對似然函數取對數,並整理;
(3) 求導數 ;
(4) 解似然方程 。
(1)根據總體的分佈,建立似然函數
;
(2) 當 L 關於
可微時,(由微積分求極值的原理)可由方程組
定出
,稱以上方程組為似然方程.
因為 L 與
有相同的極大值點,所以
也可由方程組
定出
,稱以上方程組為對數似然方程;
就是所求參數
的極大似然估計量。
極大似然估計極大似然估計
1.若總體X為離散型,其概率分佈列為
其中
為為未知參數。設
是取自總體的樣本容量為n的樣本,則
的聯合分佈律為
。又設
的一組觀測值為
,易知樣本
取到觀測值
的概率為
這一概率隨
的取值而變化,它是
的函數,稱
為樣本的似然函數。
2.若總體X為連續型,其概率密度函數為
,其中
為未知參數。設
是取自總體的樣本容量為n的簡單樣本,則
的聯合概率密度函數為
。又設
的一組觀測值為
,則隨機點
落在點
的鄰邊(邊長分別為
的n維立方體)內的概率近似地為
。
考慮函數
極大似然估計法原理就是固定樣本觀測值
,挑選參數
使
問題是如何把參數
的極大似然估計
求出。更多場合是利用
是
的增函數,故
與
在同一點處達到最大值,於是對似然函數
取對數,利用微分學知識轉化為求解對數似然方程