1.似然函數
(1)離散型
若總體X屬離散型,其分佈律P{X=}=p(),的形式爲已知,爲待估參數,是可能取值的範圍,設是來自X的樣本,則的聯合分佈律爲:
.
又設是相應於樣本的一個樣本值,易知樣本取到觀測值的概率,亦即事件{}發生的概率爲
這一概率隨的取值而變化,它是的函數,稱爲樣本的似然函數(這裏是已知的樣本值,它們都是常數).
那麼我們可以作如下考慮:現在已經取到樣本值了,這表明取到這一樣本值的概率比較大,我們當然不會考慮那些不能使樣本出現的作爲的估計,再者,如果已知當時使取得很大值,而中其他值是取很小值,我們自然認爲取作爲未知參數的估計值較爲合理.由費希爾引進的最大似然估計法,就是固定樣本觀察值,在取值的可能範圍內挑選使似然函數達到最大的參數值,作爲參數的估計值,即取使
這樣得到的與樣本值有關,記爲,稱爲參數的最大似然估計值,而相應的統計量稱爲參數的最大似然估計量
(2)連續型
若總體X屬連續型,其概率密度,的形式爲已知,爲待估參數,是可能取值的範圍,設是來自X的樣本,則的聯合密度爲:
設是相應於樣本的一個樣本值,則隨機點落在點()的鄰域(邊長分別爲的n維立方體)內的概率近似地爲
這一概率隨的取值而變化,它是的函數,但因子不隨而變故只需考慮函數
的最大值稱爲樣本的似然函數,若
則稱爲參數的最大似然估計值,而相應的統計量稱爲參數的最大似然估計量 .
總結:已知某個隨機樣本滿足某種概率分佈,但是其中具體的參數不清楚,參數估計就是通過若干次試驗,觀察其結果,利用結果推出參數的大概值.最大似然估計是建立在這樣的思想上:已知某個參數能使這個樣本出現的概率最大,我們當然不會再去選擇其他小概率的樣本,所以乾脆就把這個參數作爲估計的真實值(利用已知的樣本結果,反推最有可能(最大概率)導致這樣結果的參數值)