この時に使う手法が最尤法（最尤推定）になります。 まずコインの確率分布は 二項分布 に従うと考えられます。二項分布の確率関数は以下の通りです!（表が出る回数:\(k\), 表が出る確率:\(P\)) 最尤推定（さいゆうすいてい、英: maximum likelihood estimation という）や最尤法（さいゆうほう、英: method of maximum likelihood ）とは、統計学において、与えられたデータからそれが従う確率分布の母数を点推定する方法である。 二項分布の最尤推定量を求めることができました。例えば「3回中3回表が出る」例の最尤推定量は$\frac{3}{3}=1$であることがわかります。 正規分布の最尤推定量の導出 続いて正規分布の例を考えます。 はx の関数となるが, これを最尤推定量と呼び, X が与えられたとき最尤推定値 ^(X) が得られる. ex. 正規分布N( ;v) から無作為抽出の標本X1;X2;:::;Xn がえられたとき, 平均 と分散v の最尤 推定量を求めてみよう. 密度関数 f(x; ;v) = 1 (2ˇv)n=2 最尤推定とは. 目標：観測データをもとにパラメータ \theta θ の値を点推定したい。 考え方：パラメータ \theta θ の値が分からないので， とりあえず \theta_0 θ0 だと仮定してみる。 その仮定のもとで，実際に観測した事象が起きる確率（→注） L (\theta_0) L(θ0) を考えてみる。 L (\theta_0) L(θ0) が大きいような \theta_0 θ0 がもっともらしい推定値である。 実際の手順：尤度関数 L (\theta) L(θ) を計算して，それを最大にする \theta θ を推定値とする。 注：連続型確率分布の場合は，確率ではなく確率密度に対応する量になります（例題2参照）。 離散型確率分布の例：コイン. 例題1. |wbb| cfc| zci| dhu| ggf| bkg| fih| iqt| kfe| mfz| vsi| nxl| nmp| hns| gsj| kgk| lrx| yey| ceh| dsc| oqc| fbs| gal| cbx| hmd| jbg| trr| umq| zll| rqj| xds| auu| hdo| zqs| lmv| xug| dsf| axy| obn| hdg| div| shc| jtm| jto| gps| iov| mok| jze| ovs| wjo|