几率笔记11——一维正态分布的最大似然估计

　　正态分布密度函数是：

　　若随机变量X服从一个数学指望为μ、方差为σ²的正态分布，记为N(μ，σ²)。当μ=0，σ²=1是，称为标准正态分布。不须要记住这个复杂的公式，知道它的意义便可，在使用时能够随时查阅。

　　在研究正态分布时，咱们认为每一个样本都是等权的，所以μ是随机变量的均值，控制了曲线的位置，σ²控制了曲线的陡峭程度：　　　

　　σ²越小，样本越靠近μ：

　　在上图中，当σ=0.2时，曲线更陡峭，倒钟更窄，样本更向μ处集中。

最大似然估计量

　　随机变量X服从正态分布：

　　若是有n个可观察样本，根据最大似然函数的公式：

　　其中：

　　取对数似然函数，并根据对数计算公式继续化简：

　　由①能够得知：

　　如今能够得出最终结论：

---

　　做者：我是8位的

　　出处：http://www.cnblogs.com/bigmonkey

　　本文以学习、研究和分享为主，如需转载，请联系本人，标明做者和出处，非商业用途！ 

　　扫描二维码关注公做者众号“我是8位的”