最大似然估计(转载)
来源:互联网 发布:安桥e700m 淘宝 编辑:程序博客网 时间:2024/06/05 11:42
引言:
如果我们知道样本(数据)所服从的概率分布的模型,而不知道该模型中的参数,例如:高斯模型的参数:均值u,及方差sigma。最大似然估计就是用来估计模型参数的统计学方法.
如何估计:
我们利用样本,概率分布模型来估计,我们从总体中能够获得这些样本,为什么能获得,应该是获得这样的样本组合的概率最大。这样就将参数估计问题转化到最优化问题了。求最值,最简单的方法就是求导数,令导数为零,解方程。
设样本: ,概率分布模型:f,要估计的参数θ,优化目标函数:
给定一个概率分布D,假定其概率密度函数(连续分布)或概率聚集函数(离散分布)为fD,以及一个分布参数θ,我们可以从这个分布中抽出一个具有n个值的采样 ,通过利用fD,我们就能计算出其概率:
但是,我们可能不知道θ的值,尽管我们知道这些采样数据来自于分布D。那么我们如何才能估计出θ呢?一个自然的想法是从这个分布中抽出一个具有n个值的采样X1,X2,…,Xn,然后用这些采样数据来估计θ.
一旦我们获得 ,我们就能从中找到一个关于θ的估计。最大似然估计会寻找关于 θ的最可能的值(即,在所有可能的θ取值中,寻找一个值使这个采样的“可能性”最大化)。这种方法正好同一些其他的估计方法不同,如θ的非偏估计,非偏估计未必会输出一个最可能的值,而是会输出一个既不高估也不低估的θ值。
要在数学上实现最大似然估计法,我们首先要定义可能性:
并且在θ的所有取值上,使这个[[函数最大化。这个使可能性最大的 值即被称为θ的最大似然估计。
[编辑]
注意
• 这里的可能性是指 不变时,关于θ的一个函数。
• 最大似然估计函数不一定是惟一的,甚至不一定存在。
[编辑]
最大似然估计的例子
[编辑]
离散分布,离散有限参数空间
考虑一个抛硬币的例子。假设这个硬币正面跟反面轻重不同。我们把这个硬币抛80次(即,我们获取一个采样 并把正面的次数记下来,正面记为H,反面记为T)。并把抛出一个正面的概率记为p,抛出一个反面的概率记为1 − p(因此,这里的p即相当于上边的θ)。假设我们抛出了49个正面,31 个反面,即49次H,31次T。假设这个硬币是我们从一个装了三个硬币的盒子里头取出的。这三个硬币抛出正面的概率分别为p = 1 / 3, p = 1 / 2, p = 2 / 3. 这些硬币没有标记,所以我们无法知道哪个是哪个。使用最大似然估计,通过这些试验数据(即采样数据),我们可以计算出哪个硬币的可能性最大。这个可能性函数取以下三个值中的一个:
我们可以看到当 时,可能性函数取得最大值。这就是p的最大似然估计.
[编辑]
离散分布,连续参数空间
现在假设例子1中的盒子中有无数个硬币,对于 中的任何一个p, 都有一个抛出正面概率为p的硬币对应,我们来求其可能性函数的最大值:
其中 . 我们可以使用微分法来求最值。方程两边同时对p取微分,并使其为零。
在不同比例参数值下一个二项式过程的可能性曲线 t = 3, n = 10;其最大似然估计值发生在其众数(数学)并在曲线的最大值处。
其解为p = 0, p = 1,以及p = 49 / 80. 使可能性最大的解显然是p = 49 / 80(因为p = 0 和p = 1 这两个解会使可能性为零)。因此我们说最大似然估计值为 .
这个结果很容易一般化。只需要用一个字母t代替49用以表达伯努利试验中的被观察数据(即样本)的’成功’次数,用另一个字母n代表伯努利试验的次数即可。使用完全同样的方法即可以得到最大似然估计值:
对于任何成功次数为t,试验总数为n的伯努利试验。
[编辑]
连续分布,连续参数空间
最常见的连续概率分布是正态分布,其概率密度函数如下:
其n个正态随机变量的采样的对应密度函数(假设其独立并服从同一分布)为:
或:
,
这个分布有两个参数:μ,σ2. 有人可能会担心两个参数与上边的讨论的例子不同,上边的例子都只是在一个参数上对可能性进行最大化。实际上,在两个参数上的求最大值的方法也差不多:只需要分别把可能性 在两个参数上最大化即可。当然这比一个参数麻烦一些,但是一点也不复杂。使用上边例子同样的符号,我们有θ = (μ,σ2).
最大化一个似然函数同最大化它的自然对数是等价的。因为自然对数log是一个连续且在似然函数的值域内严格递增的函数。[注意:可能性函数(似然函数)的自然对数跟信息熵以及Fisher信息联系紧密。求对数通常能够一定程度上简化运算,比如在这个例子中可以看到:
这个方程的解是 . 这的确是这个函数的最大值,因为它是μ里头惟一的拐点并且二阶导数严格小于零。
同理,我们对σ求导,并使其为零。
这个方程的解是 .
因此,其关于θ = (μ,σ2)的最大似然估计为:
.
- 最大似然估计(转载)
- 最大似然估计(转载自维基百科)
- 【转载】最大似然估计总结
- 转载-最大似然估计总结笔记
- 【转载】参数估计(Parameter Estimation):频率学派(最大似然估计MLE、最大后验估计MAP)与贝叶斯学派(贝叶斯估计BPE)
- 最大似然估计,最大后验估计,贝叶斯估计
- 最大似然估计、最大后验估计、贝叶斯估计
- 最大似然估计
- 最大似然估计
- 最大似然估计
- 最大似然估计
- 最大似然估计
- 最大似然估计
- 最大似然估计
- 最大似然估计
- 最大似然估计
- 最大似然估计
- 最大似然估计
- 1079. Total Sales of Supply Chain
- 信息系统项目管理师-成本管理知识点
- SDCC2015:一线公司云集 技术论坛精彩议题先睹为快
- 最大公约数(递归)
- Android 轻松实现百度地图定位
- 最大似然估计(转载)
- PHP 之 FastCGI 与 mod_php 详解
- 信息系统项目管理师-质量管理知识点
- cocos2d-x3.2 在Windows下打包Android平台APK(转载,只为记录)
- iOS应用程序多语言本地化解决方案
- 安装Rational Rose教程
- linux无密码ssh登录
- 信息系统项目管理师-人力资源管理知识点
- iOS开发中最有用关键的代码合集(1)