极大似然函数求解_关于极大似然估计的学习(附Matlab中mle函数的求解)
冒泡~是新的一周辣~温故而知新一下极大似然估计(真是很不容易了)
极大似然估计的基本思想
什么是极大似然?官方上的较清楚的解释是:利用已知的样本的结果,在使用某个模型的基础上,反推最有可能导致这样结果的模型参数值。
从字面上的意思看,可以这样理解,极大---最大概率,似然---看起来像这个样子,估计---预计是这个样子,也就可以通俗的说,最大的概率看起来是这个样子的那就是这个样子的。
通过一个图片直观解释:
原理:极大似然估计提供了一种给定观察数据来评估模型参数的方法,即:“模型已定,参数未知”。通过若干次试验,观察其结果,利用试验结果得到某个参数值能够使样本出现的概率为最大,则称为极大似然估计。
极大似然估计的求解
先来举一个简单的离散状态下的例子
离散的小球问题:
箱子里有一定数量的小球,每次随机拿取一个小球,查看颜色以后放回,已知拿到白球的概率p为0.8或者0.2,拿了三次,都不是白球,想要求拿到白球的概率的极大似然估计。
分析:此处从数学上来讲,想要准确的求出拿到白球的概率是不可能的,所以此处求的是概率的极大似然估计。而这里的有放回的拿取,是高中数学中经典的独立重复事件,可以很简单的分别求出白球概率为0.8和0.2的时候拿三次都不是白球的概率。
解:
若拿到白球的概率为0.8,拿三次都不是白球的概率为:P_0.8=0.2*0.2*0.2=0.008
若拿到白球的概率为0.2,拿三次都不是白球的概率为:P_0.2=0.8*0.8*0.7=0.512
P_0.2>P_0.8,可知当前情况下白球概率为0.2的概率大于白球概率为0.8
综上所述:拿到白球的概率的极大似然估计为0.2
接下来举个离散的情况例子:
连续的小球问题:
箱子里有一定数量的小球,每次随机拿取一个小球,查看颜色以后放回,已知拿到白球的概率p的范围是[0.3,0.7],拿了三次,都不是白球,想要求拿到白球的概率的极大似然估计。
解:记拿到白球的概率为p,取白球的事件为Y,取到时Y=1,未取到时Y=0,小球颜色不是白色的事件Y重复3次的概率为:P(Y=0;p)=(1-p)^3
欲求p的极大似然估计,即要求P(Y=0;p)的极大值:令Q(p)=(1-p)^3
Q'(p)=-3*(1-p)^2 令Q'(p)=0
求得Q的极值点为p=1,且当p<1时,Q'(p)<0,p>1时,Q'(p)<0,可知Q(p)为单调减函数
可知0.3<=p<=1的条件下,p=0.3时,Q(p)取得最大值。
综上所述:小球概率的极大似然估计为0.3
经过整两个例子大概可以简单的理解了怎么求极大似然估计了,接下来就引入似然函数的概念去更系统的求解。
重点来啦~
对数函数的引入
在似然函数满足连续、可微的正则条件下,极大似然估计量是下面微分方程的解:
举个栗子:
题目来源:https://blog.csdn.net/pipisorry/article/details/51461997?utm_source=blogxgwz0 (图片的编辑注释为本人)
(补充验证 后面会做具体说明)
高级一点的栗子:
总结 求最大似然估计量的一般步骤:
(1)写出似然函数; (2)对似然函数取对数,并整理;
(3)求导数; (4)解似然方程。
Matlab中mle函数求极大似然估计
MLE(maximum likelihood estimation,最大似然估计),的基本原理是通过选择参数使似然函数最大化。
举例:
题目来源:https://wenku.baidu.com/view/85204009b90d6c85ec3ac66c.html
matlab代码求解
首先这是一个二项分布,置信度默认为95%
输出结果为:
这和计算出来的是相符合的。
finally~知识的遗忘太艰难了吧!
极大似然函数求解_关于极大似然估计的学习(附Matlab中mle函数的求解)相关推荐
- matlab中solver函数_Simulink求解器(Solver)相关知识
更多精彩内容参见专业MATLAB技术交流平台--MATLAB技术论坛http://www.matlabsky.com 1.变步长(Variable-Step)求解器 可以选择的变步长求解器有:ode4 ...
- matlab pdepe函数边界,科学网-使用MATLAB中pdepe函数求解一维偏微分方程-邓浩鑫的博文...
由于自己科研水平较低,记录的各种体会更多的是给自己做个小结,错误之处,欢迎大家指正. 使用MATLAB求解偏微分方程或者方程组,大致有三类方法.第一种是使用MATLAB中的PDE Toolbox,PD ...
- matlab stem 属性,matlab中stem函数用法_常见问题解析
matlab中如何自定义图例_常见问题解析 matlab中自定义图例的方法:首先打开matlab软件:然后点击勾选按钮,新建一个文件并输入代码为"x = 0:pi/50:2*pi;" ...
- stem什么意思matlab,matlab中stem函数用法_常见问题解析,matlab
matlab中如何自定义图例_常见问题解析 matlab中自定义图例的方法:首先打开matlab软件:然后点击勾选按钮,新建一个文件并输入代码为"x = 0:pi/50:2*pi;" ...
- C++内点法求解大规模线性规划问题——对标MATLAB中linprog函数
C++内点法求解大规模线性规划问题--对标MATLAB中linprog函数 文章目录 C++内点法求解大规模线性规划问题--对标MATLAB中linprog函数 1. 项目场景 2. 约束的规范化 3 ...
- 【For非数学专业】通俗理解似然函数、概率、极大似然估计和对数似然
文章目录 1. 似然函数与概率 1.1 似然函数与概率的初步认识 1.2 似然的定义 1.3 结合具体实例来深入理解似然与概率 2. 极大似然估计 3. 对数似然函数 4. 总结 1. 似然函数与概率 ...
- 极大似然估计用计算机求解,极值分布的极大似然估计及计算机实现 - read.pdf
极值分布的极大似然估计及计算机实现 - read 维普资讯 第3()卷 第 6期 河北师范大学学报 (自然科学版) V(l3()N0.6 21)1)6年 11月 JournalofHel,elNorm ...
- 极大似然估计(Maximum likelihood estimation,MLE):用样本估计总体参数
1 基本概念回顾 边缘概率.联合概率和条件概率的基本概念. 1.1 定义 边缘概率(Marginal Probability):可以简单理解为单一事件发生的概率.如果A是一个事件,且事件A发生的概率为 ...
- java 柯里化_函数式编程(Java描述)——Java中的函数及其柯里化
本文继续上一篇的内容 在Java中,函数可以表现为一个普通的方法.一个lambda表达式,又或者方法引用,甚至是匿名类.本文不会介绍匿名类这种形式. 方法 Java中的方法,Java使用方法这一概念来 ...
最新文章
- zookeeper安装教程(zookeeper3.4.5为例)
- android 工信部偷跑流量
- python中filter函数的使用
- AI之FL:联邦学习(Federated Learning)的简介、入门、应用之详细攻略
- 学习PHP时的一些总结(五)
- 50 jQuery绑定事件 阻止默认事件发生 内置动画 each data
- 智慧交通day02-车流量检测实现05:小车匀加速案例
- C++Primer第四版 阅读笔记 第二部分 “容器和算法”
- 不要抱怨,每个人的人生都不完美
- Data Binding 实践
- Ubuntu16.04编译Android6.0/cm13.0教程及相关错误解决办法
- 做独立淘客app有哪些运营方法
- 《黑客帝国》效果的NB数字雨
- catia 二次开发:获得投影视图
- MIMO如何获得分集增益(2)
- 学校计算机硬件管理制度,学校规章制度之计算机硬件管理制度
- 整型和字符串相互转换
- android 背景描边,Android告别使用shape标签,自定义实现圆角、背景色、描边Button...
- centos7 安装Google Chrome浏览器
- 前端浏览器常见兼容性问题及解决方案