极大似然估计_极大似然估计小结

• 极大似然估计

极大似然估计（Maximum Likelihood Estimation，MLE），是用来估计一个概率模型参数的方法。1821年，由德国数学家高斯提出，1912年，英国统计学家罗纳德·费希尔，在一篇论文中，再次提出了这个思想，并探讨了这个方法的一些性质，极大似然估计这一名字也是费希尔给的。

极大似然估计法的依据是：概率最大的事件最有可能发生（一次试验就出现的事件应该有较大的概率）

• 极大似然原理

若一试验有n个可能的结果

，现做一试验，若事件

发生了，则认为事件

在这n个结果中出现的概率最大

简单说，就是“一次试验就出现的事件，应该有较大的概率”

极大似然估计法，针对离散型和连续性变量，有不同的数学表达方式

通常，使用极大似然估计法求估计值的步骤是：

• 小栗子

某位同学和一位猎人外出打猎，一只野兔从前方跑过，只听一声枪响，野兔应声倒下，推测一下，是谁打中了野兔？

一枪就打中了野兔，猎人打中的概率比较大，这其中，就用到了极大似然估计的思想

---

找了很多资料，大致思想知道了，但是很多例子，各种求解什么的，数学知识已经跟不上了。

最大似然估计，是利用已知样本的结果，在使用某个模型的基础上，反推最优可能导致这样结果的模型参数值（模型已定，参数未知）