題目
R代碼
#l=0
data=rcauchy(n=1000,location = 0,scale = 10)
f<-function(pa){
result= -log(pi*pa*(1+((data)/pa)^2))
-sum(result)
}
ML.op=optimize(f,interval = c(0,100))#不需要參數初值,interval定義參數取值範圍
ML.op
#l,s未知
data=rcauchy(n=10000,location = 0,scale = 2)
f<-function(pa){
result=-log(pi*pa[2]*(1+((data-pa[1])/pa[2])^2))
-sum(result)
}
ML.op=optim(c(0,2),f)#參數初值0,2
ML.op
其中部分理解
什麼是似然函數?
設總體的概率模型爲F(x|θ)。爲了說明的方便,暫假定只有一個未知參數,X1,X2,……,Xn是容量爲 n 的隨機樣本(大寫X),實際觀測到的樣本觀測值(小寫x)爲 Xl=x1,X2=x2,……,Xn=xn 。把同各Xi對應的密度函數或概率函數(包括作爲未知數的未知參數)的連乘積看成是未知參數的函數,稱其爲似然函數(Likelihood function)。詳見
需要連乘不好處理,轉化爲對數的和。極大似然函數理解?
個人理解就是似然函數極大值時候的解函數返回值取負?
optim和optimize都是默認求的極小值optimize和optim區別?
個人理解,optim求多參數,optimize求單參數
更多可以精讀此處