最大似然估计

该MLE函数计算用于通过其名称和用于通过其概率密度函数（pdf），日志PDF，或负对数似然函数指定的自定义分配指定的分布的最大似然估计（极大似然估计）。

对于一些分布，极大似然估计可以在封闭的形式给出，并直接计算。对于其他分布，对于最大似然搜索必须采用。搜索可以与被控制选项输入参数，使用所创建的statset功能。为了有效的搜索，它选择一个合理的分布模型，并设置适当的收敛度是很重要的。

极大似然估计可被偏压，特别是对于小的样品。为样本大小的增加，然而，极大似然估计成为偏最小方差估计与近似正态分布。这是用来计算估计置信区间。

例如，考虑的手段从指数分布的重复的随机样本的分布如下：

亩= 1;％人口参数N = 1E3;％样本量NS = 1E4;样品的数量％RNG（'默认'）％用于重现样本= exprnd（亩，N，NS）;％人口的样本手段=平均值（样品）;％样本均值

中心极限定理说，该装置将被近似正态分布，无论数据的样本分布。该MLE函数可用于查找正态分布最适合的手段：

[柏，PCI] = MLE（装置）

PHAT =1×21.0000 0.0315

PCI =2×20.9994 0.0311 1.0006 0.0319

柏（1）和柏（2）是的平均值和标准偏差极大似然估计。PCI（：，1）和PCI（：，1）是相应的95％置信区间。

可视化的样本均值分布与拟合正态分布在一起。

numbins = 50;直方图（手段，numbins，'正常化'，'PDF'）保持上X =分钟（装置）：0.001：最大（装置）;Y = normpdf（X，柏（1），柏（2））;积（X，Y，'R'，'行宽'，2）

也可以看看

直方图|MLE

相关话题

• 与概率分布工作
• 万博1manbetx支持的发行