最大概似法首先你需要设定分配 以回归为例子 通常都是设定你的error term为一个特定的分配 那由那分配的pdf的加总作为概似函数 以最简单的线性回归模型来举例 y = X*beta + err suppose error term ~ N(0,sigma^2) err = y - X*beta f(err) = (1/2pi*sigma^2)^0.5 * exp -( y - X*beta )^2 /2 Likelihood function = 连乘{ (1/2pi*sigma^2)^0.5 * exp -( y - X*beta )^2 /2 } 所以如果你的model没有一开始设定好 或是你的分配没有想法 最大概似法是不能帮到你任何的忙的 ※ 引述《hebelover (杂展)》之铭言： : 想请问一下 : likelihood fun是最大似然函数 : 可是要怎麽把它使用在估计model上 : 所谓的 近估 : 是拿model去估计实际的值吧 : 不过model都已经model不出来了(缺少likelihood的值) : 又要怎样用likelihood去算? : 以上问题 : 麻烦各位大大解救愚蠢的原PO : 谢谢帮忙!! --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.130.189.38