用mle函数估计随机数分布的参数.docVIP

\o 用mle()函数估计随机数分布的参数用mle()函数估计随机数分布的参数 \o View all posts in $Matlab入门课程$Matlab入门课程, \o View all posts in 数学计算数学计算 Jul 202011 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。此处，我们只讲随机数分布估计。 假设随机分布的PDF为 f(x,theta), 其中x为随机数，theta是分布的参数。我们有x1,x2,…,xn共n个取样观察值，似然函数 L(theta)=f(x1,theta)*f(x2,theta)*…*f(xn,theta) 然后选择能让L()最大的theta取值。注意，这个不叫做”极大似然估计”，因为theta可能是有上限或下限，而能够让L()最大的theta值可能恰好是上限或下限，此时的theta就不是极大值点。 下面我们用随机生成的数据实地讲述mle()函数的用法。 语法一：mle(观察值, ‘distribution’, ‘分布名称’), 下面两个命令，第一个是生成100万个服从标准正太分布的随机数，第二句是用mle()函数估计这些随机数服从的正太分布的参数值。 》 testdata=randn(1e6,1); 》 [paramhat,paramint]