最大似然估计

目录

1. 最大似然估计(MLE)
2. MLE求解过程

一、最大似然估计(MLE)

MLE（Maximum Likelihood Estimation）就是利用已知的样本结果，反推最有可能(最大概率)导致这样结果的参数值的计算过程。直白来讲，就是给定了一定的数据，假定知道数据是从某种分布中随机抽取出来的，但是不知道这个分布具体的参数值，即"模型已定，参数未知"，MLE就可以用来估计模型的参数。MLE的目标是找出一组参数(模型中的参数)，使得模型产出观察数据的概率最大。

二、MLE求解过程：

1. 编写似然函数(即联合概率函数)（似然函数：在样本固定的情况下，样本出现的概率与参数θ之间的函数）；
2. 对似然函数取对数，并整理；(一般都进行)
3. 求导数；
4. 解似然方程