为θ 的似然函数.pptVIP

将上式简记为 L(θ )，即 称 L(θ )为θ 的似然函数。 视为变量 视为固定值 假定现在我们观测到一组样本 X1, X2, …, Xn，要去估计未知参数θ 。 称 为θ 的极大似然估计 (MLE)。 一种直观的想法是：哪个参数(多个参数时是哪组参数) 使得现在的出现的可能性 (概率) 最大，哪个参数(或哪组参数)就作为参数的估计。 这就是 极大似然估计原理。 如果 θ 可能变化空间, 称为参数空间。 3. 最大似然估计（MLE）一般步骤： (2). 构造似然函数 (1). 导出样本的联合密度(连续型）或联合概率函数(离散型) 为 f (X1,X2,…Xn; ? ) . L(? ) = f (X1,X2,…Xn; ? ) (3). 求似然函数的最大值 利用y=lnx的单调性， L(? ) 与 ln L(? ) 同时达到最大，问题常常转化为求ln L(? ) 的最值. 设X1,X2,…Xn是取自总体X的一个样本， 建立并解似然方程组： 得到 注意： 用上述求导方法求参数的MLE有时行不通，这时要用最大似然原则来求 . (4). 在最大值点的表达式中, 用样本值代入就得参数的极大似然估计值 . lnL(? ) = lnf (X1,X2,…Xn; ? ) 下面举例说明如何求最大似然估计（ MLE ） 例 设X1,X2,…Xn是取自