似然函数Likelihood Function
来源:互联网 发布:博士德汽修软件 编辑:程序博客网 时间:2024/06/03 06:42
关于似然函数,其实与“概率”差不多
在我的理解中,概率,是从已知的参数中来预测结果
而似然函数则是从结果中推理得到最适合的参数(使似然函数值最大)
例如最常见的抛硬币事件,我们都知道一枚硬币正面的概率是p0=0.5,反面为1-p0=0.5
那么抛出两个正面的概率就是P=0.25
而如果我们抛了两次硬币都是正面,那么这里我们假设p0=θ(0≤θ≤1)
则似然函数L(p0*p0)=θ2
为了使L取得极大值,θ=1为最佳情况
同理,若抛了五次硬币,两次正面三次反面
则有L(θ)=θ2(1-θ)3
要使L取得极大值,我们估计θ=
以上是最naive的理解,更一般的可访问如下链接:
http://blog.csdn.net/yanqingan/article/details/6125812
0 0
- 似然函数Likelihood function
- 似然函数likelihood function
- 似然函数Likelihood Function
- 似然函数Likelihood function
- 似然函数 Likelihood Function
- 似然函数(Likelihood function)是什么
- 似然函数(likelihood function)
- likelihood( 似然函数 ) ( 四 )
- Likelihood-function 浅谈
- Quasi- likelihood function
- Negative log-likelihood function
- 似然函数(likelihood)、最大似然函数、最小二乘解
- 最大似然估计(maximum likelihood)
- 最大似然估计(Maximum likelihood estimation)
- 最大似然估计(Maximum likelihood estimation)
- 最大似然估计(Maximum likelihood estimation)
- 最大似然估计(Maximum likelihood estimation)
- 最大似然估计(Maximum likelihood estimation)
- 过滤器(filter)和拦截器(interceptor)区别
- AAC音频格式分析
- 微服务架构的基础框架选择:Spring Cloud还是Dubbo?
- iOS多线程GCD
- 关于结构体的思考
- 似然函数Likelihood Function
- 项目inno setup安装脚本,带检测.net framework
- @SpringBootApplication的使用
- MapReduce\Tez\Storm\Spark四个框架的异同
- 2.Mac 环境下配置apache-maven
- group by 多个条件
- 怎么查看APK的方法数
- IT--linux--centos使用shadowsocks
- Qt 中使用C++11标准