本文介绍了极大似然估计法的基本概念及其应用原理。通过将观测值发生概率连乘获得似然函数，并寻找其极大值来确定模型参数。适用于独立观测的情况。
如果大家有什么好的理解方式，或资源，欢迎留言分享；
1、什么是极大似然估计法
所谓极大似然估计,就是将观测值所发生的概率连乘起来,得到似然函数,然后求似然函数的极大值,来推导出线性模型的参数
其中原理就是，既然一次实验某个结果发生了,那么我们可以认为,这个结果在这次实验中发生的概率是比较大的,那么,这次结果发生的概率是与模型的参数有关的,只要求出最大概率相应的参数自然就确定了,这里假设每个观测之间的相互独立的,才能用连乘的方法将每个观测的概率密度连乘起来.
2、数据描述 周期性
3、非线性方程的逐步回归如何解决
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
