-
極大似然法
鎖定
- 中文名
- 極大似然法
- 外文名
- the method of maximum likelihood
- 性 質
- 科學
- 類 別
- 數學
- 應 用
- 參數估計
- 相 關
- 極大似然法估計
極大似然法概念與定義
設總體X是離散型隨機變量,其概率函數為p(x, θ),其中θ是未知參數。設X1,X2,…,Xn為取自總體X的樣本,則可求出X1,X2,…,Xn的聯合概率函數。如果樣本取值x1,x2,...,xn,則事件(X1=x1,X2=x2,…,Xn=xn)發生的概率是為可求,這一概率值隨θ的值的變化而變化,從直觀上來看,既然樣本值x1,x2,...,xn已經出現,它們出現的概率相對來説應比較大,應使其概率取比較大的值。極大似然法就是在參數θ的可能取值範圍內,選取使L(θ)達到最大的參數值θ,作為參數θ的估計值。即取θ,使得L(θ)=L(x1,x2,...,xn; θ)=max(x1,x2,...,xn; θ)。
[1]
因此,求參數θ的極大似然估計值得問題就是求似然函數L(θ)最大值問題。通過解方程dL(θ)/dθ=0來得到,因為lnL(θ)和L(θ)的增減性相同,所以它們在θ的同一值處取得最大值,稱lnL(θ)為對數似然函數,可以通過求解對數似然函數的最大值來得到極大似然解。
[2]
極大似然法求解步驟
(1)由總體分佈導出樣本的聯合概率密度函數;
(2)把樣本聯合概率密度函數中自變量看成已知常數,而把參數θ看作自變量,得到似然函數L(θ);
(3)求似然函數的最大值點(常轉化為求對數似然函數的最大值點);
(4)在最大值點的表達式中,用樣本值代入即得到參數的極大似然估計值。
[3]
極大似然法相關
(1)矩估計與極大似然估計
從矩估計法公式我們得到,對正態總體N(μ, σ2),未知參數μ、σ2的矩估計與μ,、σ2的極大似然估計是相同的。一般地,在相當多的情況下,矩估計與極大似然估計是一致的,但也確有許多情形,矩估計法和極大似然估計法給出的估計是不同的。誰優誰劣?我們可以用估計量的優劣標準進行評價。除此之外,亦可以根據問題的實際意義進行判定。
(2)最大似然估計的原理
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 ,通過利用fD,我們就能計算出其概率: 但是,我們可能不知道θ 的值,儘管我們知道這些採樣數據來自於分佈D 。那麼我們如何才能估計出θ 呢?一個自然的想法是從這個分佈中抽出一個具有n 個值的採樣X1,X2,…,Xn,然後用這些採樣數據來估計θ 。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)。
[2]