最大似然估计

参考：
设f(y, θ)为随机变量Y的概率密度函数（PDF），θ为该PDF的参数，Y1、Y2、…、Yn为观测到的一个随机样本，则θ的最大似然估计量（Maximum Likelihood Estimator简记为MLE）就是具有产生该观察样本的最大概率的那个θ估计量。换言之，θ的MLE是使密度函数f(y, θ)最大的那个θ的估计量。


当我们对Yi的分布未做具体规定而在回归分析里被称为“弱假定”；为了进一步考察回归模型，引入关于Yi服从正态分布的假设，成为“强假定”。

求矩估计和最大似然估计时,什么是关键？关键是判断值的选择


最小平方法（又稱最小二乘法） ，可以直接求出参数。