徽标
联盟百科
通讯
下载应用,请到 Google Play
新! 在您的Android™设备上下载联盟百科!
自由
比浏览器更快的访问!
 

最大似然估计

指数 最大似然估计

在统计学中,最大似然估计(maximum likelihood estimation,缩写为MLE),也称最大概似估计,是用来估计一个概率模型的参数的一种方法。.

27 关系: 偏差卡爾·弗里德里希·高斯单射均方差实函数估计函数似然函数微分函数值域皮埃尔-西蒙·拉普拉斯统计学羅納德·費雪熵 (信息论)随机变量连续函数连续概率分布自然對數极值概率分布概率论概率质量函数概率模型機率密度函數正态分布期望值方差

偏差

在统计学中,偏差可以用于两个不同的概念。与。.

新!!: 最大似然估计和偏差 · 查看更多 »

卡爾·弗里德里希·高斯

约翰·卡爾·弗里德里希·高斯(Johann Karl Friedrich Gauß;), 德国数学家、物理学家、天文学家、大地测量学家,生于布伦瑞克,卒于哥廷根。高斯被认为是历史上最重要的数学家之一Dunnington, G. Waldo.

新!!: 最大似然估计和卡爾·弗里德里希·高斯 · 查看更多 »

单射

在數學裡,單射函數(或稱嵌射函數,國家教育研究院雙語詞彙、學術名詞暨辭書資訊網、一對一函數,英文稱 injection、injective function或 one-to-one function)為一函數,其將不同的輸入值對應到不同的函數值上。更精確地說,函數f被稱為是單射的,當對每一陪域內的y,存在至多一個定義域內的x使得f(x).

新!!: 最大似然估计和单射 · 查看更多 »

均方差

#重定向 標準差.

新!!: 最大似然估计和均方差 · 查看更多 »

实函数

实函数(Real function),指定义域和值域均为实数集的子集的函数。實函數的特性之一是可以在坐標平面上畫出圖形。.

新!!: 最大似然估计和实函数 · 查看更多 »

估计函数

#重定向 估计量.

新!!: 最大似然估计和估计函数 · 查看更多 »

似然函数

在数理统计学中,似然函数是一种关于统计模型中的参数的函数,表示模型参数中的似然性。似然函数在统计推断中有重大作用,如在最大似然估计和费雪信息之中的应用等等。“似然性”与“或然性”或“概率”意思相近,都是指某种事件发生的可能性,但是在统计学中,“似然性”和“或然性”或“概率”又有明确的区分。概率用于在已知一些参数的情况下,预测接下来的观测所得到的结果,而似然性则是用于在已知某些观测所得到的结果时,对有关事物的性质的参数进行估计。 在这种意义上,似然函数可以理解为条件概率的逆反。在已知某个参数B时,事件A会发生的概率写作: 利用-zh-hk:貝葉斯定理;zh-hans:贝叶斯定理;zh-tw:貝氏定理;-, 因此,我们可以反过来构造表示似然性的方法:已知有事件A发生,运用似然函数\mathbb(B \mid A),我们估计参数B的可能性。形式上,似然函数也是一种条件概率函数,但我们关注的变量改变了: 注意到这里并不要求似然函数满足归一性:\sum_P(A \mid B.

新!!: 最大似然估计和似然函数 · 查看更多 »

微分

在数学中,微分是对函数的局部变化率的一种线性描述。微分可以近似地描述当函数自变量的取值作足够小的改变时,函数的值是怎样改变的。当某些函数\textstyle f的自变量\textstyle x有一个微小的改变\textstyle h时,函数的变化可以分解为两个部分。一个部分是线性部分:在一维情况下,它正比于自变量的变化量\textstyle h,可以表示成\textstyle h和一个与\textstyle h无关,只与函数\textstyle f及\textstyle x有关的量的乘积;在更广泛的情况下,它是一个线性映射作用在\textstyle h上的值。另一部分是比\textstyle h更高阶的无穷小,也就是说除以\textstyle h后仍然会趋于零。当改变量\textstyle h很小时,第二部分可以忽略不计,函数的变化量约等于第一部分,也就是函数在\textstyle x处的微分,记作\displaystyle f'(x)h或\displaystyle \textrmf_x(h)。如果一个函数在某处具有以上的性质,就称此函数在该点可微。 不是所有的函数的变化量都可以分为以上提到的两个部分。若函数在某一点无法做到可微,便称函数在该点不可微。 在古典的微积分学中,微分被定义为变化量的线性部分,在现代的定义中,微分被定义为将自变量的改变量\textstyle h映射到变化量的线性部分的线性映射\displaystyle \textrmf_x。这个映射也被称为切映射。.

新!!: 最大似然估计和微分 · 查看更多 »

函数

函數在數學中為兩集合間的一種對應關係:輸入值集合中的每項元素皆能對應唯一一項輸出值集合中的元素。例如實數x對應到其平方x2的關係就是一個函數,若以3作為此函數的輸入值,所得的輸出值便是9。 為方便起見,一般做法是以符號f,g,h等等來指代一個函數。若函數f以x作為輸入值,則其輸出值一般寫作f(x),讀作f of x。上述的平方函數關係寫成數學式記為f(x).

新!!: 最大似然估计和函数 · 查看更多 »

值域

在数学中,函数的值域(Range)是由定义域中一切元素所能產生的所有函數值的集合。有时候也称为函数的像。 给定函数f: A\rightarrow B,集合f(A)被称为是f的值域,记为R_。值域不应跟陪域B相混淆。一般来说,值域只是陪域的一个子集。.

新!!: 最大似然估计和值域 · 查看更多 »

皮埃尔-西蒙·拉普拉斯

埃尔-西蒙·拉普拉斯侯爵(Pierre-Simon marquis de Laplace,),法国著名的天文学家和数学家,他的工作对天体力学和统计学有举足轻重的发展。.

新!!: 最大似然估计和皮埃尔-西蒙·拉普拉斯 · 查看更多 »

统计学

统计学是在資料分析的基础上,研究测定、收集、整理、归纳和分析反映數據資料,以便给出正确訊息的科學。這一门学科自17世纪中叶产生并逐步发展起来,它廣泛地應用在各門學科,從自然科学、社會科學到人文學科,甚至被用於工商業及政府的情報決策。隨著大数据(Big Data)時代來臨,統計的面貌也逐漸改變,與資訊、計算等領域密切結合,是資料科學(Data Science)中的重要主軸之一。 譬如自一組數據中,可以摘要並且描述這份數據的集中和離散情形,這個用法稱作為描述統計學。另外,觀察者以數據的形態,建立出一個用以解釋其隨機性和不確定性的數學模型,以之來推論研究中的步驟及母體,這種用法被稱做推論統計學。這兩種用法都可以被稱作為應用統計學。數理統計學则是討論背後的理論基礎的學科。.

新!!: 最大似然估计和统计学 · 查看更多 »

羅納德·費雪

#重定向 羅納德·愛爾默·費雪.

新!!: 最大似然估计和羅納德·費雪 · 查看更多 »

熵 (信息论)

在信息论中,熵(entropy)是接收的每条消息中包含的信息的平均量,又被稱為信息熵、信源熵、平均自信息量。这里,“消息”代表来自分布或数据流中的事件、样本或特征。(熵最好理解为不确定性的量度而不是确定性的量度,因为越随机的信源的熵越大。)来自信源的另一个特征是样本的概率分布。这里的想法是,比较不可能发生的事情,当它发生了,会提供更多的信息。由于一些其他的原因,把信息(熵)定义为概率分布的对数的相反数是有道理的。事件的概率分布和每个事件的信息量构成了一个随机变量,这个随机变量的均值(即期望)就是这个分布产生的信息量的平均值(即熵)。熵的单位通常为比特,但也用Sh、nat、Hart计量,取决于定义用到对数的底。 采用概率分布的对数作为信息的量度的原因是其可加性。例如,投掷一次硬币提供了1 Sh的信息,而掷m次就为m位。更一般地,你需要用log2(n)位来表示一个可以取n个值的变量。 在1948年,克劳德·艾尔伍德·香农將熱力學的熵,引入到信息论,因此它又被稱為香农熵。.

新!!: 最大似然估计和熵 (信息论) · 查看更多 »

随机变量

給定樣本空间(S, \mathbb),如果其上的實值函數 X:S \to \mathbb是\mathbb (實值)可測函數,则稱X為(實值)随机变量。初等概率論中通常不涉及到可測性的概念,而直接把任何X:S \to \mathbb的函數稱為随机变量。 如果X指定给概率空间S中每一个事件e有一个实数X(e),同时针对每一个实数r都有一个事件集合A_r与其相对应,其中A_r.

新!!: 最大似然估计和随机变量 · 查看更多 »

连续函数

在数学中,连续是函数的一种属性。直观上来说,连续的函数就是当输入值的变化足够小的时候,输出的变化也会随之足够小的函数。如果输入值的某种微小的变化会产生输出值的一个突然的跳跃甚至无法定义,则这个函数被称为是不连续的函数(或者说具有不连续性)。 举例来说,考虑描述一棵树的高度随时间而变化的函数h(t),那么这个函数是连续的(除非树被砍断)。又例如,假设T(P)表示地球上某一点P的空气温度,则这个函数也是连续的。事实上,古典物理学中有一句格言:“自然界中,一切都是连续的。”相比之下,如果M(t)表述在时间t的时候银行账户上的钱币金额,则这个函数无论在存钱或者取钱的时候都会有跳跃,因此函数M(t)是不连续的。.

新!!: 最大似然估计和连续函数 · 查看更多 »

连续概率分布

#重定向 概率分布#连续分布.

新!!: 最大似然估计和连续概率分布 · 查看更多 »

自然對數

自然对数(Natural logarithm)是以e為底數的对数函数,標記作ln(x)或loge(x),其反函数是指數函數ex。.

新!!: 最大似然估计和自然對數 · 查看更多 »

极值

在数学中,极大值与极小值(又被称为极值)是指在一个域上函数取得最大值(或最小值)的点的函数值。而使函数取得极值的点(的横坐标)被称作极值点。这个域既可以是一个邻域,又可以是整个函数域(这时极值称为最值)。.

新!!: 最大似然估计和极值 · 查看更多 »

概率分布

概率分布(Wahrscheinlichkeitsverteilung,probability distribution)或簡稱分布,是概率論的一個概念。使用時可以有以下兩種含義:.

新!!: 最大似然估计和概率分布 · 查看更多 »

概率论

概率论(Probability theory)是集中研究概率及随机现象的数学分支,是研究隨機性或不確定性等現象的數學。概率论主要研究对象为随机事件、随机变量以及随机过程。对于随机事件是不可能准确预测其结果的,然而对于一系列的独立随机事件——例如掷骰子、扔硬币、抽扑克牌以及輪盤等,会呈现出一定的、可以被用于研究及预测的规律,两个用来描述这些规律的最具代表性的数学结论分别是大数定律和中心极限定理。 作为统计学的数学基础,概率论对诸多涉及大量数据定量分析的人类活动极为重要,概率论的方法同样适用于其他方面,例如是对只知道系统部分状态的复杂系统的描述——统计力学,而二十世纪物理学的重大发现是以量子力学所描述的原子尺度上物理现象的概率本质。 數學家和精算師認為概率是在0至1閉區間内的數字,指定給一發生與失敗是隨機的「事件」。概率P(A)根據概率公理來指定給事件A。 一事件A在一事件B確定發生後會發生的概率稱為B給之A的條件概率;其數值為。若B給之A的條件概率和A的概率相同時,則稱A和B為獨立事件。且A和B的此一關係為對稱的,這可以由一同價敘述:「當A和B為獨立事件時,P(A \cap B).

新!!: 最大似然估计和概率论 · 查看更多 »

概率质量函数

在概率论中,概率质量函数(probability mass function,简写为pmf)是离散随机变量在各特定取值上的概率。概率质量函数和概率密度函数不同之处在于:概率质量函数是对离散随机变量定义的,本身代表该值的概率;概率密度函数是对连续随机变量定义的,本身不是概率,只有对连续随机变量的概率密度函数在某区间内进行积分后才是概率。.

新!!: 最大似然估计和概率质量函数 · 查看更多 »

概率模型

概率模型(Statistical Model,也稱為Probabilistic Model)是用来描述不同随机变量之间关系的数学模型,通常情况下刻画了一个或多个随机变量之间的相互非确定性的概率关系。从数学上讲,该模型通常被表达为(Y,P),其中Y是观测集合用来描述可能的观测结果,P是Y对应的概率分布函数集合。若使用概率模型,一般而言需假设存在一个确定的分布P生成观测数据Y。因此通常使用统计推断的办法确定集合P中谁是数据产生的原因。 大多数统计检验都可以被理解为一种概率模型。例如,一个比较两组数据均值的学生t检验可以被认为是对该概率模型参数是否为0的检测。此外,检验与模型的另一个共同点则是两者都需要提出假设并且误差在模型中常被假设为正态分布。.

新!!: 最大似然估计和概率模型 · 查看更多 »

機率密度函數

在数学中,连续型随机变量的概率密度函數(在不至于混淆时可以简称为密度函数)是一个描述这个随机变量的输出值,在某个确定的取值点附近的可能性的函数。圖中,橫軸為隨機變量的取值,縱軸為概率密度函數的值,而随机变量的取值落在某个区域内的概率為概率密度函数在这个区域上的积分。当概率密度函数存在的时候,累積分佈函數是概率密度函数的积分。概率密度函数一般以大写“PDF”(Probability Density Function)標记。 概率密度函数有时也被称为概率分布函数,但这种称法可能会和累积分布函数或概率质量函数混淆。.

新!!: 最大似然估计和機率密度函數 · 查看更多 »

正态分布

常態分布(normal distribution)又名高斯分布(Gaussian distribution),是一個非常常見的連續機率分布。常態分布在统计学上十分重要,經常用在自然和社会科学來代表一個不明的隨機變量。 若隨機變量X服從一個位置參數為\mu、尺度參數為\sigma的常態分布,記為: 則其機率密度函數為 常態分布的數學期望值或期望值\mu等於位置參數,決定了分布的位置;其方差\sigma^2的開平方或標準差\sigma等於尺度參數,決定了分布的幅度。 常態分布的機率密度函數曲線呈鐘形,因此人們又經常稱之為鐘形曲線(类似于寺庙里的大钟,因此得名)。我們通常所說的標準常態分布是位置參數\mu.

新!!: 最大似然估计和正态分布 · 查看更多 »

期望值

在概率论和统计学中,一个离散性随机变量的期望值(或数学期望、或均值,亦简称期望,物理学中称为期待值)是试验中每次可能的结果乘以其结果概率的总和。换句话说,期望值像是随机试验在同样的机会下重复多次,所有那些可能狀態平均的结果,便基本上等同“期望值”所期望的數。需要注意的是,期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。(换句话说,期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合裡。) 例如,掷一枚公平的六面骰子,其每次「點數」的期望值是3.5,计算如下: \operatorname(X)&.

新!!: 最大似然估计和期望值 · 查看更多 »

方差

方差(Variance),應用數學裡的專有名詞。在概率论和统计学中,一个随机变量的方差描述的是它的离散程度,也就是该变量离其期望值的距离。一个实随机变量的方差也称为它的二阶矩或二階中心動差,恰巧也是它的二阶累积量。這裡把複雜說白了,就是將各個誤差將之平方(而非取絕對值,使之肯定為正數),相加之後再除以總數,透過這樣的方式來算出各個數據分佈、零散(相對中心點)的程度。繼續延伸的話,方差的算术平方根称为该随机变量的标准差(此為相對各個數據點間)。.

新!!: 最大似然估计和方差 · 查看更多 »

重定向到这里:

最大似然最大似然法最大概似估計极大似然法

传出传入
嘿!我们在Facebook上吧! »