Maximum likelihood estimation begin

Maximum likelihood estimation begins with writing a mathematical expression known as the Likelihood Function of the sample data. Loosely speaking, the likelihood of a set of data is the probability of obtaining that particular set of data, given the chosen probability distribution model. This expression contains the unknown model parameters. The values of these parameters that maximize the sample likelihood are known as the Maximum Likelihood Estimates or MLE's.
Maximum likelihood estimation is a totally analytic maximization procedure. It applies to every form of censored or multicensored data, and it is even possible to use the technique across several stress cells and estimate acceleration model parameters at the same time as life distribution parameters. Moreover, MLE's and Likelihood Functions generally have very desirable large sample properties:

ผลลัพธ์ (ไทย) 1:

การประเมินความเป็นไปได้สูงสุดเริ่มต้น ด้วยการเขียนนิพจน์ทางคณิตศาสตร์เรียกว่าฟังก์ชันความน่าเป็นของข้อมูลตัวอย่าง พูดหลวม โอกาสของชุดข้อมูลมีความเป็นไปได้ที่ชุดเฉพาะของข้อมูล กำหนดรูปแบบการกระจายความน่าเป็นใน นิพจน์นี้ประกอบด้วยพารามิเตอร์ไม่ทราบรุ่น ค่าของพารามิเตอร์เหล่านี้ที่เพิ่มตัวอย่างโอกาสจะเป็นการประเมินความเป็นไปได้สูงสุดหรือของ MLE การประเมินความเป็นไปได้สูงสุดเป็นขั้นตอนวิเคราะห์ทั้งหมด maximization ใช้ได้กับทุกรูปแบบของข้อมูลเซ็นเซอร์ หรือ multicensored และมันยังสามารถใช้เทคนิคเซลล์ความเครียดหลาย และประเมินพารามิเตอร์แบบเร่งเวลาเดียวกันเป็นพารามิเตอร์ของการแจกจ่ายชีวิต นอกจากนี้ ของ MLE และฟังก์ชันความน่าเป็นโดยทั่วไปมีคุณสมบัติตัวอย่างน่าพอใจมาก:

ผลลัพธ์ (ไทย) 2:

การประมาณค่าความน่าจะเป็นสูงสุดเริ่มต้นด้วยการเขียนนิพจน์ทางคณิตศาสตร์ที่รู้จักกันเป็นฟังก์ชั่นความน่าจะเป็นของข้อมูลตัวอย่าง พูดอย่างง่ายๆน่าจะเป็นของชุดของข้อมูลที่มีความน่าจะเป็นของการได้รับว่าชุดใดชุดหนึ่งของข้อมูลที่ได้รับความน่าจะเป็นรูปแบบการกระจายได้รับการแต่งตั้ง สำนวนนี้มีพารามิเตอร์แบบที่ไม่รู้จัก ค่าของพารามิเตอร์เหล่านี้ที่เพิ่มความน่าจะเป็นตัวอย่างที่รู้จักกันเป็นประมาณการสูงสุดโอกาสหรือ MLE ของ.
การประมาณค่าความน่าจะเป็นสูงสุดเป็นขั้นตอนสูงสุดวิเคราะห์โดยสิ้นเชิง ซึ่งจะใช้กับรูปแบบของข้อมูลหรือตรวจสอบทุก multicensored และมันก็เป็นไปได้ที่จะใช้เทคนิคทั่วเซลล์ความเครียดหลายพารามิเตอร์แบบการเร่งการประมาณการในเวลาเดียวกันเป็นพารามิเตอร์กระจายชีวิต นอกจากนี้เอมิลี่และความน่าจะเป็นฟังก์ชั่นทั่วไปมีคุณสมบัติที่พึงปรารถนามากตัวอย่างขนาดใหญ่:

ผลลัพธ์ (ไทย) 3:

การประมาณความควรจะเป็นสูงสุด เริ่มต้นด้วยการเขียนการแสดงออกทางคณิตศาสตร์ที่เรียกว่าฟังก์ชันความน่าจะเป็นของข้อมูลตัวอย่าง หลวมๆ พูด โอกาสของชุดข้อมูลคือความเป็นไปได้ของการตั้งค่าเฉพาะของข้อมูลให้เลือกการแจกแจงแบบ สำนวนนี้มีรุ่นที่ไม่รู้จักค่า ค่าของพารามิเตอร์เหล่านี้ที่ขยายตัวอย่างความน่าจะเป็นเรียกว่า Maximum Likelihood ประมาณการหรือ mle .การประมาณความควรจะเป็นสูงสุดเป็นขั้นตอนสูงสุดทั้งหมดวิเคราะห์ มันใช้กับของเซ็นเซอร์หรือ multicensored ข้อมูลทุกรูปแบบ และมันเป็นไปได้ที่จะใช้เทคนิคผ่านเซลล์และประมาณค่าพารามิเตอร์ของตัวแบบการความเครียดหลายในเวลาเดียวกันเป็นพารามิเตอร์การกระจายชีวิต นอกจากนี้ mle และโอกาสการทำงานโดยทั่วไปมีขนาดใหญ่มากตัวอย่างคุณสมบัติที่พึงประสงค์