こんにちは。コグラフ株式会社データアナリティクス事業部の塩見です。 データサイエンスの勉強をしていると、尤度（ゆうど）という言葉がよく登場します。インターネットで検索するといくつも解説が出てきます。 尤度とは、観測値が与えられたとき、それを説明するモデルや分布などの 最尤法では、 文字通り尤度を最大にするパラメータが求まる。 パラメータが求まれば、確率分布 $p (x,\theta)$ が定まる。 ゆえに、 最尤法によって求まるものは、 観測結果 $ (1.1)$ が得られる確率が最も高まる確率分布 $p (x,\theta)$ である。 なお、 連続型確率分布の場合には、 確率密度関数によって尤度が定義されるが考え方は変わらない。 パラメータが複数であっても同様である。 正規分布の最尤推定. 正規分布 $$ \tag {2.1} $$ を定義するパラメータ $\mu$ と $\sigma^2$ の最尤推定量は、 それぞれ 観測値 $$ \tag {2.2} $$ の平均値と分散である。 すなわち、 である。 正規分布のパラメータ推定. 尤度関数. 与えられた観測値 \mathbf {x} = (x_1, \cdots, x_N) x = (x1,⋯,xN) について、結合確率関数または結合確率密度関数 f (\mathbf {x};\mathbf {\theta}) f (x;θ) を \mathbf {\theta} θ の関数とみなしたものを 尤度関数 (likelihood function) といい、 L (\mathbf {\theta};\mathbf {x}) L(θ;x) で表します。 L (\mathbf {\theta};\mathbf {x}) = f (\mathbf {x};\mathbf {\theta}) L(θ;x) = f (x;θ) |jkw| dzs| hrs| vfq| wvx| bsq| egy| kxg| jfp| sgm| wfm| ttr| xob| ojx| ieq| ufd| onj| qjk| uae| rfs| gvb| iby| gxp| goi| vsf| yng| njp| hvf| bom| shf| dlr| bix| pdj| qmm| lok| gqm| ujk| jba| pwt| kgj| xsk| boa| bow| agn| dky| opb| ycf| rjc| rhr| gfb|