极大似然估计量

极大似然估计（Maximum Likelihood Estimation, MLE）是一种统计学方法，用于估计概率模型的参数。其核心思想是，在给定样本数据的情况下，找到那些参数值，使得这些数据出现的概率（即似然函数）最大。下面是极大似然估计的基本步骤：

写出似然函数：

似然函数表示在给定参数值的情况下，观测到特定样本数据的概率。

取对数并整理：

为了简化计算，通常对似然函数取自然对数，得到对数似然函数。

求导数：

对对数似然函数关于参数求导数，得到导数表达式。

解似然方程：

令导数等于零，解出参数值。这些参数值即为极大似然估计量。

极大似然估计量是估计量的期望值等于真实参数的无偏估计。需要注意的是，极大似然估计要求对样本数据的分布有明确的假设，即必须知道样本数据的概率密度函数或分布函数。