正太分布的极大似然估计怎么理解


对正太分布进行极大释然估计,怎么理解采样得到的N个样本的先验概率近似相等啊?
已邀请:

邹博 - 学而时习之

赞同来自: 腾翔的翅膀


咱课上对极大似然估计这个问题,我是通过贝叶斯公式来引入的。截图如下:
贝叶斯公式.png

这里,如果我们假定P(Ai),i=1,2...n的概率是(近似)相等的,则如果估算max P(Ai|D),可以用max P(D|Ai)来近似。而后者正是极大似然估计的基础:如果某参数可以使得这批样本出现的概率最大,则这个参数就是我们的估计结果
需要注意的是:上述的表述,是假定参数本身的概率(近似)相等,没有假定N个样本的采样概率相等
此外,这种方式是我对极大似然估计的个人解释,供大家参考。
其好处是:非常方便的推广到极大后验概率估计MAP。

要回复问题请先登录注册

返回顶部