Maximum likelihood estimation (original) (raw)
La màxima versemblança (en anglès: Maximum Likelihood Estimation MLE) és un mètode estadístic molt emprat per inferir els paràmetres de la distribució de la probabilitat d'una mostra donada. Aquest mètode va ser desenvolupat pel genetista i estadístic Ronald Fisher entre 1912 i 1922.
| Property | Value |
|---|---|
| dbo:abstract | في الإحصاء، التقدير حسب القيمة العليا لدالة الإمكان أو تقدير الاحتمال الأرجح أو الإمكانية القصوى هو طريقة لتقدير معاملات النموذج الإحصائي وإيجاده لمجموعة من البيانات، وذلك بتقدير أوسطة لهذا النموذج. عند تطبيقها على مجموعة من البيانات وإعطاء نموذج إحصائي، يقدم تقدير الاحتمال الأرجح تقديرات لنموذج المُعاملات. تتوافق طريقة الاحتمال الأرجح مع العديد من طرق التقدير المعروفة في الإحصائيات فعلى سبيل المثال، يمكن للمرء أن يهتم بارتفاع أنثى زرافة بالغة، ولكن غير قادر على قياس ارتفاع كل زرافة في السكان بسبب قيود التكلفة أو الوقت. بافتراض أن الارتفاعات يوزَّع توزيع (غاوسي) طبيعي مع العلم ان المتوسط والتباين غير المعروف، يمكن تقدير المتوسط والتباين من خلال تقدير الاحتمال الأرجح (MLE) من خلال معرفة ارتفاع بعض العينات من المجموع الكلي للسرب. يتم تقدير الاحتمال الأرجح عن طريق أخذ المتوسط والتباين كمُعاملات وإيجاد قيم معاملة محددة التي تجعل النتائج الملحوظة الأكثر احتمالاً (حسب النموذج). بشكلٍ عام، لمجموعة محددة من البيانات والنموذج الإحصائي الأساسي، تختار طريقة الاحتمال الأرجح قِيَم نموذج المعاملات الذي يُنتج توزيعًا يعطي البيانات المرصودة أكبر احتمال؛ أي المعاملات التي تزيد وظيفة الاحتمال). يعطي تقدير الاحتمال الأرجح مقاربة موحدة إلى التقدير، وهي محددة جيدًا في حالة التوزيع الطبيعي والعديد من المشكلات الأخرى. ومع ذلك، في بعض المشكلات المعقدة، تحدث الصعوبات: في مثل تلك المشكلات، فمُقدرات الاحتمال الأرجح غير مناسبة أو غير موجودة. (ar) Metoda maximální věrohodnosti označuje jednu z centrálních metod matematické statistiky. Jednou z hlavních úloh matematické statistiky je, zjednodušeně řečeno, odhad neznámých veličin v závislosti na pozorovaných (experimentálních) datech. Odhad v kontextu matematické statistiky sestává ze dvou částí 1. * formulace pravděpodobnostního modelu, který popisuje danou reálnou situaci 2. * ověření shody daného modelu se skutečností na základě pozorovaných dat. Z těchto dat se dále odhadují hodnoty volných parametrů modelu. Metoda maximální věrohodnosti je univerzální metoda pro konstrukci odhadů parametrů. (cs) La màxima versemblança (en anglès: Maximum Likelihood Estimation MLE) és un mètode estadístic molt emprat per inferir els paràmetres de la distribució de la probabilitat d'una mostra donada. Aquest mètode va ser desenvolupat pel genetista i estadístic Ronald Fisher entre 1912 i 1922. (ca) Στη στατιστική, η εκτίμηση μέγιστης πιθανοφάνειας (ΕΜΠ) είναι μια μέθοδος για την εκτίμηση των παραμέτρων από ένα στατιστικό μοντέλο δεδομένων. Η μέθοδος της μέγιστης πιθανοφάνειας αντιστοιχεί σε πολλές γνωστές μεθόδους εκτίμησης της στατιστικής. Για παράδειγμα, μία από αυτές μπορεί να ενδιαφέρεται για τα ύψη των ενήλικων θηλυκών πιγκουίνων, αλλά δεν είναι σε θέση να μετρήσει το ύψος του κάθε πιγκουίνου σε ένα πληθυσμό λόγω των περιορισμών του κόστους ή του χρόνου. Αν υποτεθεί ότι τα ύψη ανήκουν στην Κανονική κατανομή με κάποιο άγνωστο, μέση τιμή και Διακύμανση, η μέση τιμή και η διακύμανση μπορούν να εκτιμηθούν με ΕΜΠ γνωρίζοντας μόνο τα ύψη από κάποιο δείγμα του συνολικού πληθυσμού. Η ΕΜΠ θα το πετύχει αυτό, λαμβάνοντας την μέση τιμή και η διακύμανση ως παραμέτρους και βρίσκοντας ειδικότερες παραμετρικές τιμές που κάνουν τα παρατηρούμενα αποτελέσματα πιο πιθανά δεδομένου του μοντέλου. Σε γενικές γραμμές, για ένα σταθερό σύνολο των δεδομένων και των υποκείμενων στατιστικών μοντέλων, η μέθοδος της μέγιστης πιθανοφάνειας επιλέγει το σύνολο των τιμών των παραμέτρων του μοντέλου που μεγιστοποιεί την συνάρτηση πιθανότητας. Διαισθητικά, αυτό μεγιστοποιεί την "συμφωνία" από το επιλεγμένο μοντέλο με τα παρατηρούμενα δεδομένα, και για διακριτές τυχαίες μεταβλητές πραγματικά μεγιστοποιεί την πιθανότητα των παρατηρούμενων δεδομένων σύμφωνα με την τελική κατανομή. Η εκτίμηση μέγιστης πιθανοφάνειας δίνει μια ενιαία προσέγγιση για την εκτίμηση, η οποία είναι καλά ορισμένη στην περίπτωση της κανονικής κατανομής και πολλά άλλα προβλήματα. (el) Die Maximum-Likelihood-Methode, kurz ML-Methode, auch Maximum-Likelihood-Schätzung (maximum likelihood englisch für größte Plausibilität, daher auch Methode der größten Plausibilität), Methode der maximalen Mutmaßlichkeit, Größte-Dichte-Methode oder Methode der größten Dichte bezeichnet in der Statistik ein parametrisches Schätzverfahren. Dabei wird – vereinfacht ausgedrückt – derjenige Parameter als Schätzung ausgewählt, gemäß dessen Verteilung die Realisierung der beobachteten Daten am plausibelsten erscheint. Im Falle einer von einem Parameter abhängigen Wahrscheinlichkeitsfunktion wird zu einem beobachteten Ausgang also die folgende Likelihood-Funktion für verschiedene Parameter betrachtet: Dabei bezeichnet den Ergebnisraum und den Parameterraum (Raum aller möglichen Parameterwerte). Für einen bestimmten Wert des Parameters entspricht die Likelihood-Funktion (Wahrscheinlichkeitsfunktion) der Wahrscheinlichkeit, das Ergebnis zu beobachten. Als Maximum-Likelihood-Schätzung wird entsprechend dasjenige bezeichnet, für das die Likelihood-Funktion maximal wird. Im Falle stetiger Verteilungen gilt eine analoge Definition, nur wird die Wahrscheinlichkeitsfunktion in dieser Situation durch die zugehörige Dichtefunktion ersetzt. Allgemein lassen sich Maximum-Likelihood-Methoden für beliebige statistische Modelle definieren, solange die entsprechende Verteilungsklasse eine dominierte Verteilungsklasse ist. (de) Estatistikan, egiantz handieneko estimazioa (EMV eta, batzuetan, MLE izenez ere ezaguna ingelesezko siglengatik) eredu bat egokitzeko eta bere parametroak estimatzeko metodo arrunta da, behatutako datu batzuk kontuan hartuta. Hori probabilitate-funtzio bat maximizatuz lortzen da, horrela, suposatutako eredu estatistikoaren arabera, behatutako datuak ziurrenak izan daitezen. Probabilitate-funtzioa maximizatzen duen parametro-espazioko puntuari, probabilitate maximoaren estimazioa deitzen zaio. Probabilitate maximoaren logika, izan ere, intuitiboa eta malgua da, eta, beraz, metodoa inferentzia estatistikorako bide nagusi bihurtu da. Probabilitate funtzioa bada, maximoak aurkitzeko deribatuaren proba aplika daiteke. Zenbait kasutan, probabilitate funtzioaren lehen mailako baldintzak analitikoki ebatz daitezke; adibidez, erregresio lineal eredu baterako karratu txikienen estimatzaileak probabilitatea maximizatzen du behatutako emaitza guztiek bariantza bereko banaketa Normalak dituztela suposatzen denean. Bayesen inferentziaren ikuspegitik, MLE, oro har, a posteriori maximoaren (MAP) estimazioaren baliokide da, aldez aurretiko banaketa uniformeekin (edo aldez aurretiko banaketa normal bat infinituaren desbideratze estandarra duena). Inferentzia frekuentzian, MLE muturreko estimatzaile baten kasu berezia da, funtzio objektiboa egiantza izanik. (eu) En statistique, l'estimateur du maximum de vraisemblance est un estimateur statistique utilisé pour inférer les paramètres de la loi de probabilité d'un échantillon donné en recherchant les valeurs des paramètres maximisant la fonction de vraisemblance. Cette méthode a été développée par le statisticien Ronald Aylmer Fisher en 1922. (fr) In statistics, maximum likelihood estimation (MLE) is a method of estimating the parameters of an assumed probability distribution, given some observed data. This is achieved by maximizing a likelihood function so that, under the assumed statistical model, the observed data is most probable. The point in the parameter space that maximizes the likelihood function is called the maximum likelihood estimate. The logic of maximum likelihood is both intuitive and flexible, and as such the method has become a dominant means of statistical inference. If the likelihood function is differentiable, the derivative test for finding maxima can be applied. In some cases, the first-order conditions of the likelihood function can be solved analytically; for instance, the ordinary least squares estimator for a linear regression model maximizes the likelihood when all observed outcomes are assumed to have Normal distributions with the same variance. From the perspective of Bayesian inference, MLE is generally equivalent to maximum a posteriori (MAP) estimation with uniform prior distributions (or a normal prior distribution with a standard deviation of infinity). In frequentist inference, MLE is a special case of an extremum estimator, with the objective function being the likelihood. (en) En estadística, la estimación por máxima verosimilitud (conocida también como EMV y, en ocasiones, MLE por sus siglas en inglés) es un método habitual para ajustar un modelo y estimar sus parámetros. (es) I gcúrsaí staitistice, úsáidtear an meastachán uasdealraitheachta (an dealraitheacht is mó) (MUD) chun meastacháin a dhéanamh ar phairiméadair shamhla staidrimh. Faightear na meastacháin trí luachanna pairiméadair a aimsiú a uasmhéadaíonn an fheidhm dealraitheachta. Úsáidtear an modh seo le mórán anailísí staidrimh a dhéanamh. Abair go bhfuil suim agat in airde na mban i ndaonra áirithe. Má tá na hairdí difriúla dáilte mar is gnách, in éineacht le hathróg éigin agus meán éigin anaithnid, is féidir an athróg agus an meán a mheas le MUD fiú mura bhfuil eolas agat ach ar roinnt de na hairdí. Ghlacfadh MUD an meán agus an athróg mar phairiméadair agus gheobhadh sé luachanna paraiméadracha áirithe a déarfadh go bhfuil na torthaí breathnaithe ar na cinn is dóchúla. Ó thaobh theoirim Bayes de, sampla speisialta d’uasmheastachán a posteriori is ea MUD agus gan réamhdháileachán aonfhoirmeach na bparaiméadar curtha san áireamh. Seachnaítear na réamhdháileacháin trí ráitis dóchúlachta a dhéanamh faoi mheastacháin na bparaiméadar seachas faoi na paraiméadair féin. Tá airíonna na meastachán sainmhínithe go hiomlán ag na breathnóireachtaí agus ag an tsamhail staidrimh. (ga) Il metodo della massima verosimiglianza, in statistica, è un procedimento matematico per determinare uno stimatore. Caso particolare della più ampia classe di basata sugli , il metodo consiste nel massimizzare la funzione di verosimiglianza, definita in base alla probabilità di osservare una data realizzazione campionaria, condizionatamente ai valori assunti dai parametri statistici oggetto di stima. Il metodo è stato sviluppato, originariamente, dal genetista e statistico sir Ronald Fisher, tra il 1912 e il 1922. (it) 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。 この方法はロナルド・フィッシャーが1912年から1922年にかけて開発した。 観測されたデータからそれを生んだ母集団を説明しようとする際に広く用いられる。生物学では塩基やアミノ酸配列のような分子データの置換に関する確率モデルに基づいて系統樹を作成する際に、一番尤もらしくデータを説明する樹形を選択するための有力な方法としても利用される。機械学習ではニューラルネットワーク（特に生成モデル）を学習する際に最尤推定（負の対数尤度最小化として定式化）が用いられる。 (ja) 최대가능도방법 (最大可能度方法, 영어: maximum likelihood method) 또는 최대우도법(最大尤度法)은 어떤 확률변수에서 표집한 값들을 토대로 그 확률변수의 모수를 구하는 방법이다. 어떤 모수가 주어졌을 때, 원하는 값들이 나올 가능도를 최대로 만드는 모수를 선택하는 방법이다. 점추정 방식에 속한다. (ko) De methode van de grootste aannemelijkheid of maximum-likelihood-method is in de statistiek een schattingsmethode die als schatting van een parameter die waarde kiest, waarvoor de aannemelijkheidsfunctie maximaal is. De schatter heet meest aannemelijke schatter, of maximum-likelihood-schatter. De schatting wordt daarom de meest aannemelijke schatting genoemd. Het is de parameterwaarde die gezien de steekproefuitkomst het meest aannemelijk is. Hoe aannemelijk een parameterwaarde is, wordt afgemeten aan de kans (of kansdichtheid) om bij die waarde van de parameter de steekproefuitkomst te vinden. Een voorbeeld zal dit verduidelijken. (nl) Maximum likelihood-metoden, ofta förkortat ML-metoden även kallad maximimetoden, är en objektiv metod inom statistiken för att hitta skattningar för parametrar i en sannolikhetsfördelning som beskriver en samling data. Metoden skattar parametern genom att välja det värde på parametern som maximerar sannolikheten av de observerade värdena. (sv) Ме́тод максима́льного правдоподо́бия или метод наибольшего правдоподобия (ММП, ML, MLE — англ. maximum likelihood estimation) в математической статистике — это метод оценивания неизвестного параметра путём максимизации функции правдоподобия. Основан на предположении о том, что вся информация о статистической выборке содержится в функции правдоподобия. Метод максимального правдоподобия был проанализирован, рекомендован и значительно популяризирован Р. Фишером между 1912 и 1922 годами (хотя ранее он был использован Гауссом, Лапласом и другими). Оценка максимального правдоподобия является популярным статистическим методом, который используется для создания статистической модели на основе данных и обеспечения оценки параметров модели. Метод максимального правдоподобия соответствует многим известным методам оценки в области статистики. Например, вы интересуетесь таким антропометрическим параметром, как рост жителей России. Предположим, у вас имеются данные о росте некоторого количества людей, а не всего населения. Кроме того, предполагается, что рост является нормально распределённой величиной с неизвестной дисперсией и средним значением. Среднее значение и дисперсия роста в выборке являются максимально правдоподобными к среднему значению и дисперсии всего населения. Для фиксированного набора данных и базовой вероятностной модели, используя метод максимального правдоподобия, мы получим значения параметров модели, которые делают данные «более близкими» к реальным. Оценка максимального правдоподобия даёт уникальный и простой способ определить решения в случае нормального распределения. Метод оценки максимального правдоподобия применяется для широкого круга статистических моделей, в том числе: * линейные модели и обобщённые линейные модели; * факторный анализ; * моделирование структурных уравнений; * многие ситуации, в рамках проверки гипотезы и доверительного интервала формирования; * дискретные модели выбора. (ru) Em estatística, a estimativa por máxima verossimilhança (maximum-likelihood estimation- MLE) é um método para estimar os parâmetros de um modelo estatístico. Assim, a partir de um conjunto de dados e dado um modelo estatístico, a estimativa por máxima verossimilhança estima valores para os diferentes parâmetros do modelo. Por exemplo, alguém pode estar interessado na altura de girafas fêmeas adultas, mas devido à restrições de custo ou tempo, medir a altura de todas essas girafas de uma população pode ser impossível. Podemos assumir que as alturas são normalmente distribuídas (modelo estatístico), mas desconhecemos a média e variância (parâmetros do modelo) dessa distribuição. Esses parâmetros da distribuição podem então ser estimados por MLE a partir da medição de uma amostra da população. O método busca aqueles valores para os parâmetros de maneira a maximizar a probabilidade dos dados amostrados, dado o modelo assumido (no caso, distribuição normal). De maneira geral, posto um conjunto de dados e um modelo estatístico, o método de máxima verossimilhança estima os valores dos diferentes parâmetros do modelo estatístico de maneira a maximizar a probabilidade dos dados observados (isto é, busca parâmetros que maximizem a função de verossimilhança). O método de máxima verossimilhança apresenta-se como um método geral para estimação de parâmetros, principalmente no caso de distribuições normais. (pt) Метод максимальної правдоподібності (також метод найбільшої вірогідності) у математичній статистиці — це метод оцінювання невідомого параметра шляхом максимізації функції правдоподібності. Він ґрунтується на припущенні про те, що вся інформація про статистичну вибірку міститься у цій функції. Метод максимальної правдоподібності був проаналізований, рекомендований і значно популяризуваний Р. Фішером між 1912 і 1922 роками (хоча раніше він використовувався Гаусом, Лапласом і іншими).Оцінка максимальної правдоподібності є популярним статистичним методом, який використовується для створення статистичної моделі на основі даних, і забезпечення оцінки параметрів моделі. Метод максимальної правдоподібності відповідає багатьом відомим методам оцінки в області статистики. Наприклад, припустимо, що ви зацікавлені зростом мешканців України. Припустимо, у вас дані стосовно зросту деякої кількості людей, а не всього населення. Крім того передбачається, що зріст є нормально розподіленою величиною з невідомою дисперсією і середнім значенням. Вибіркові середнє значення і дисперсія зросту є максимально правдоподібними до середнього значення і дисперсії всього населення. Для фіксованого набору даних і базової імовірнісної моделі, використовуючи метод максимальної правдоподібності, ми набудемо значень параметрів моделі, які роблять дані «ближчими» до реальних. Оцінка максимальної правдоподібності дає унікальний і простий спосіб визначити рішення у разі нормального розподілу. (uk) 在统计学中，最大似然估计（英語：Maximum Likelihood Estimation，簡作MLE），也称极大似然估计，是用来估計一个概率模型的参数的一种方法。 (zh) |
| dbo:thumbnail | wiki-commons:Special:FilePath/Ee_noncompactness.svg?width=300 |
| dbo:wikiPageExternalLink | http://statgen.iop.kcl.ac.uk/bgim/mle/sslike_1.html https://lectures.quantecon.org/py/mle.html https://cran.r-project.org/package=maxLik http://www.math.utep.edu/Faculty/lesser/MLE.html https://archive.org/details/econometricappli0000cram https://archive.org/details/introductiontoli0000pick |
| dbo:wikiPageID | 140806 (xsd:integer) |
| dbo:wikiPageLength | 67102 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1119488239 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Carl_Friedrich_Gauss dbr:Bayesian_inference dbr:Probability_distribution dbr:Python_(programming_language) dbr:Ronald_Fisher dbr:Samuel_S._Wilks dbc:M-estimators dbr:Method_of_moments_(statistics) dbr:Non-linear_least_squares dbr:M-estimator dbr:Monotonic_function dbr:Bayes'_theorem dbr:Derivative dbr:Bias_of_an_estimator dbr:Uniform_distribution_(continuous) dbr:Upper_semi-continuous dbr:Davidon–Fletcher–Powell_formula dbr:Derivative_test dbr:Descent_direction dbr:Compact_space dbr:Confidence_interval dbr:Continuous_function dbr:Convergence_in_probability dbr:Mathematical_optimization dbr:Maximum_a_posteriori dbr:Maximum_spacing_estimation dbr:Saddle_point dbr:Chi-squared_distribution dbr:Estimation_theory dbr:Estimator dbr:Neighbourhood_(mathematics) dbr:One-to-one_function dbr:Quasi-Newton_method dbr:Entropy_(information_theory) dbr:Generalized_method_of_moments dbr:Gradient_descent dbr:Multivariate_normal_distribution dbr:Concave_function dbr:Confidence_region dbr:Consistent_estimator dbr:Constrained_optimization dbr:Constraint_(mathematics) dbr:Thorvald_N._Thiele dbc:Maximum_likelihood_estimation dbr:Statistical_inference dbr:Objective_function dbr:Almost_sure_convergence dbr:Berndt–Hall–Hall–Hausman_algorithm dbr:Bernoulli_trial dbr:Level_set dbr:Likelihood-ratio_test dbr:Likelihood_function dbr:Logarithm dbr:Machine_learning dbr:Statistical_model dbr:Stochastic_equicontinuity dbr:Computational_complexity dbc:Probability_distribution_fitting dbr:Identifiability dbr:Stationary_point dbr:Statistical_parameter dbr:Method_of_support dbr:Measurable_function dbr:Transpose dbr:Wilks'_theorem dbr:Law_of_the_unconscious_statistician dbr:Learning_rate dbr:Least_squares dbr:Linear_regression dbr:Local_asymptotic_normality dbr:Log-likelihood dbr:Logarithmically_concave_function dbr:Quasi-maximum_likelihood dbr:Minimum-distance_estimation dbr:Akaike_information_criterion dbr:All_models_are_wrong dbr:Euclidean_space dbr:Expected_value dbr:Exponential_family dbr:Extremum_estimator dbr:Fisher_information_matrix dbr:Francis_Ysidro_Edgeworth dbr:Normal_distribution dbr:Partial_likelihood_methods_for_panel_data dbr:Iterative_method dbr:Probability_density_function dbr:Parametric_family dbr:Mathematical_proof dbr:Obverse_and_reverse dbr:Prior_probability dbr:Range_(statistics) dbr:Rao–Blackwell_theorem dbr:Realization_(probability) dbr:Restriction_(mathematics) dbr:Invertible_matrix dbr:Jacobian_matrix dbr:Covariance_matrix dbr:Cramér–Rao_bound dbr:Vector-valued_function dbr:Lagrange_multiplier_test dbr:Sample_mean dbr:Sample_space dbr:Statistical_parameters dbr:Asymptotic_theory_(statistics) dbr:Lagrange_multiplier dbr:Law_of_large_numbers dbr:Binomial_distribution dbr:Bivariate_analysis dbr:Efficient_estimator dbr:Hessian_matrix dbr:Zero_of_a_function dbr:Differentiable_function dbr:Pierre-Simon_Laplace dbr:Positive-definite_matrix dbr:Frequentist_inference dbr:Convergence_in_distribution dbr:Maximum_a_posteriori_estimate dbr:I.i.d. dbr:Independent_and_identically_distributed_random_variables dbr:Kullback–Leibler_divergence dbr:Broyden–Fletcher–Goldfarb–Shanno_algorithm dbr:Natural_logarithm dbr:Necessity_and_sufficiency dbr:Negative_definite dbr:Negative_semi-definite dbr:Newton's_method dbr:Open_set dbr:Optimization_problem dbr:Ordinary_least_squares dbr:RANSAC dbr:Generalized_linear_models dbr:Maximum_a_posteriori_estimation dbr:Maximum_likelihood dbr:Mean_squared_error dbr:Principle_of_maximum_entropy dbr:Probability_mass_function dbr:Sample_(statistics) dbr:Score_(statistics) dbr:Uniform_distribution_(discrete) dbr:Outliers dbr:Outer_product dbr:Observational_equivalence dbr:Fisher_information dbr:Scoring_algorithm dbr:Restricted_maximum_likelihood dbr:Parameter_space dbr:Uniform_law_of_large_numbers dbr:Upper_triangular_matrix dbr:I.i.d dbr:Statistical_error dbr:Bayesian_estimator dbr:Taylor_expansion dbr:Cramér–Rao_lower_bound dbr:Independent_and_identically_distributed dbr:Independent_identically_distributed dbr:Point_estimate dbr:Consistency_of_an_estimator dbr:Edgeworth_expansion dbr:Information_entropy dbr:Compact_set dbr:Unfair_coin dbr:Expectancy dbr:Strictly_increasing dbr:Well-conditioned dbr:File:Youngronaldfisher2.JPG dbr:File:Ee_noncompactness.svg dbr:File:MLfunctionbinomial-en.svg |
| dbp:id | p/m063100 (en) |
| dbp:title | Maximum-likelihood method (en) |
| dbp:wikiPageUsesTemplate | dbt:Springer dbt:! dbt:= dbt:About dbt:Cite_book dbt:Cite_journal dbt:Cite_web dbt:Distinguish dbt:Em dbt:Frac dbt:Main dbt:Math dbt:Mvar dbt:Ordered_list dbt:Portal dbt:Reflist dbt:Sfrac dbt:Short_description dbt:Sqrt dbt:Unordered_list dbt:Statistics |
| dct:isPartOf | http://zbw.eu/stw/mapping/dbpedia/target |
| dct:subject | dbc:M-estimators dbc:Maximum_likelihood_estimation dbc:Probability_distribution_fitting |
| rdf:type | owl:Thing |
| rdfs:comment | La màxima versemblança (en anglès: Maximum Likelihood Estimation MLE) és un mètode estadístic molt emprat per inferir els paràmetres de la distribució de la probabilitat d'una mostra donada. Aquest mètode va ser desenvolupat pel genetista i estadístic Ronald Fisher entre 1912 i 1922. (ca) En statistique, l'estimateur du maximum de vraisemblance est un estimateur statistique utilisé pour inférer les paramètres de la loi de probabilité d'un échantillon donné en recherchant les valeurs des paramètres maximisant la fonction de vraisemblance. Cette méthode a été développée par le statisticien Ronald Aylmer Fisher en 1922. (fr) En estadística, la estimación por máxima verosimilitud (conocida también como EMV y, en ocasiones, MLE por sus siglas en inglés) es un método habitual para ajustar un modelo y estimar sus parámetros. (es) Il metodo della massima verosimiglianza, in statistica, è un procedimento matematico per determinare uno stimatore. Caso particolare della più ampia classe di basata sugli , il metodo consiste nel massimizzare la funzione di verosimiglianza, definita in base alla probabilità di osservare una data realizzazione campionaria, condizionatamente ai valori assunti dai parametri statistici oggetto di stima. Il metodo è stato sviluppato, originariamente, dal genetista e statistico sir Ronald Fisher, tra il 1912 e il 1922. (it) 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。 この方法はロナルド・フィッシャーが1912年から1922年にかけて開発した。 観測されたデータからそれを生んだ母集団を説明しようとする際に広く用いられる。生物学では塩基やアミノ酸配列のような分子データの置換に関する確率モデルに基づいて系統樹を作成する際に、一番尤もらしくデータを説明する樹形を選択するための有力な方法としても利用される。機械学習ではニューラルネットワーク（特に生成モデル）を学習する際に最尤推定（負の対数尤度最小化として定式化）が用いられる。 (ja) 최대가능도방법 (最大可能度方法, 영어: maximum likelihood method) 또는 최대우도법(最大尤度法)은 어떤 확률변수에서 표집한 값들을 토대로 그 확률변수의 모수를 구하는 방법이다. 어떤 모수가 주어졌을 때, 원하는 값들이 나올 가능도를 최대로 만드는 모수를 선택하는 방법이다. 점추정 방식에 속한다. (ko) Maximum likelihood-metoden, ofta förkortat ML-metoden även kallad maximimetoden, är en objektiv metod inom statistiken för att hitta skattningar för parametrar i en sannolikhetsfördelning som beskriver en samling data. Metoden skattar parametern genom att välja det värde på parametern som maximerar sannolikheten av de observerade värdena. (sv) 在统计学中，最大似然估计（英語：Maximum Likelihood Estimation，簡作MLE），也称极大似然估计，是用来估計一个概率模型的参数的一种方法。 (zh) في الإحصاء، التقدير حسب القيمة العليا لدالة الإمكان أو تقدير الاحتمال الأرجح أو الإمكانية القصوى هو طريقة لتقدير معاملات النموذج الإحصائي وإيجاده لمجموعة من البيانات، وذلك بتقدير أوسطة لهذا النموذج. عند تطبيقها على مجموعة من البيانات وإعطاء نموذج إحصائي، يقدم تقدير الاحتمال الأرجح تقديرات لنموذج المُعاملات. (ar) Metoda maximální věrohodnosti označuje jednu z centrálních metod matematické statistiky. Jednou z hlavních úloh matematické statistiky je, zjednodušeně řečeno, odhad neznámých veličin v závislosti na pozorovaných (experimentálních) datech. Odhad v kontextu matematické statistiky sestává ze dvou částí 1. * formulace pravděpodobnostního modelu, který popisuje danou reálnou situaci 2. * ověření shody daného modelu se skutečností na základě pozorovaných dat. (cs) Στη στατιστική, η εκτίμηση μέγιστης πιθανοφάνειας (ΕΜΠ) είναι μια μέθοδος για την εκτίμηση των παραμέτρων από ένα στατιστικό μοντέλο δεδομένων. Η μέθοδος της μέγιστης πιθανοφάνειας αντιστοιχεί σε πολλές γνωστές μεθόδους εκτίμησης της στατιστικής. Για παράδειγμα, μία από αυτές μπορεί να ενδιαφέρεται για τα ύψη των ενήλικων θηλυκών πιγκουίνων, αλλά δεν είναι σε θέση να μετρήσει το ύψος του κάθε πιγκουίνου σε ένα πληθυσμό λόγω των περιορισμών του κόστους ή του χρόνου. Αν υποτεθεί ότι τα ύψη ανήκουν στην Κανονική κατανομή με κάποιο άγνωστο, μέση τιμή και Διακύμανση, η μέση τιμή και η διακύμανση μπορούν να εκτιμηθούν με ΕΜΠ γνωρίζοντας μόνο τα ύψη από κάποιο δείγμα του συνολικού πληθυσμού. Η ΕΜΠ θα το πετύχει αυτό, λαμβάνοντας την μέση τιμή και η διακύμανση ως παραμέτρους και βρίσκοντας ειδικότ (el) Die Maximum-Likelihood-Methode, kurz ML-Methode, auch Maximum-Likelihood-Schätzung (maximum likelihood englisch für größte Plausibilität, daher auch Methode der größten Plausibilität), Methode der maximalen Mutmaßlichkeit, Größte-Dichte-Methode oder Methode der größten Dichte bezeichnet in der Statistik ein parametrisches Schätzverfahren. Dabei wird – vereinfacht ausgedrückt – derjenige Parameter als Schätzung ausgewählt, gemäß dessen Verteilung die Realisierung der beobachteten Daten am plausibelsten erscheint. Im Falle einer von einem Parameter abhängigen Wahrscheinlichkeitsfunktion (de) Estatistikan, egiantz handieneko estimazioa (EMV eta, batzuetan, MLE izenez ere ezaguna ingelesezko siglengatik) eredu bat egokitzeko eta bere parametroak estimatzeko metodo arrunta da, behatutako datu batzuk kontuan hartuta. Hori probabilitate-funtzio bat maximizatuz lortzen da, horrela, suposatutako eredu estatistikoaren arabera, behatutako datuak ziurrenak izan daitezen. Probabilitate-funtzioa maximizatzen duen parametro-espazioko puntuari, probabilitate maximoaren estimazioa deitzen zaio. Probabilitate maximoaren logika, izan ere, intuitiboa eta malgua da, eta, beraz, metodoa inferentzia estatistikorako bide nagusi bihurtu da. (eu) In statistics, maximum likelihood estimation (MLE) is a method of estimating the parameters of an assumed probability distribution, given some observed data. This is achieved by maximizing a likelihood function so that, under the assumed statistical model, the observed data is most probable. The point in the parameter space that maximizes the likelihood function is called the maximum likelihood estimate. The logic of maximum likelihood is both intuitive and flexible, and as such the method has become a dominant means of statistical inference. (en) I gcúrsaí staitistice, úsáidtear an meastachán uasdealraitheachta (an dealraitheacht is mó) (MUD) chun meastacháin a dhéanamh ar phairiméadair shamhla staidrimh. Faightear na meastacháin trí luachanna pairiméadair a aimsiú a uasmhéadaíonn an fheidhm dealraitheachta. (ga) De methode van de grootste aannemelijkheid of maximum-likelihood-method is in de statistiek een schattingsmethode die als schatting van een parameter die waarde kiest, waarvoor de aannemelijkheidsfunctie maximaal is. De schatter heet meest aannemelijke schatter, of maximum-likelihood-schatter. (nl) Em estatística, a estimativa por máxima verossimilhança (maximum-likelihood estimation- MLE) é um método para estimar os parâmetros de um modelo estatístico. Assim, a partir de um conjunto de dados e dado um modelo estatístico, a estimativa por máxima verossimilhança estima valores para os diferentes parâmetros do modelo. (pt) Ме́тод максима́льного правдоподо́бия или метод наибольшего правдоподобия (ММП, ML, MLE — англ. maximum likelihood estimation) в математической статистике — это метод оценивания неизвестного параметра путём максимизации функции правдоподобия. Основан на предположении о том, что вся информация о статистической выборке содержится в функции правдоподобия. Метод максимального правдоподобия был проанализирован, рекомендован и значительно популяризирован Р. Фишером между 1912 и 1922 годами (хотя ранее он был использован Гауссом, Лапласом и другими). (ru) Метод максимальної правдоподібності (також метод найбільшої вірогідності) у математичній статистиці — це метод оцінювання невідомого параметра шляхом максимізації функції правдоподібності. Він ґрунтується на припущенні про те, що вся інформація про статистичну вибірку міститься у цій функції. Метод максимальної правдоподібності був проаналізований, рекомендований і значно популяризуваний Р. Фішером між 1912 і 1922 роками (хоча раніше він використовувався Гаусом, Лапласом і іншими).Оцінка максимальної правдоподібності є популярним статистичним методом, який використовується для створення статистичної моделі на основі даних, і забезпечення оцінки параметрів моделі. (uk) |
| rdfs:label | Maximum likelihood estimation (en) تقدير حسب القيمة العليا لدالة الإمكان (ar) Màxima versemblança (ca) Metoda maximální věrohodnosti (cs) Maximum-Likelihood-Methode (de) Μέγιστη πιθανοφάνεια (el) Máxima verosimilitud (es) Egiantz handieneko estimazio (eu) Meastachán uasdealraitheachta (ga) Maximum de vraisemblance (fr) Metodo della massima verosimiglianza (it) 最尤推定 (ja) 최대가능도 방법 (ko) Meest aannemelijke schatter (nl) Máxima verossimilhança (pt) Метод максимального правдоподобия (ru) Maximum likelihood-metoden (sv) 最大似然估计 (zh) Метод максимальної правдоподібності (uk) |
| owl:differentFrom | dbr:Restricted_maximum_likelihood |
| owl:sameAs | wikidata:Maximum likelihood estimation dbpedia-ar:Maximum likelihood estimation http://ast.dbpedia.org/resource/Máxima_verosimilitud dbpedia-az:Maximum likelihood estimation dbpedia-ca:Maximum likelihood estimation dbpedia-cs:Maximum likelihood estimation dbpedia-de:Maximum likelihood estimation dbpedia-el:Maximum likelihood estimation dbpedia-es:Maximum likelihood estimation dbpedia-et:Maximum likelihood estimation dbpedia-eu:Maximum likelihood estimation dbpedia-fa:Maximum likelihood estimation dbpedia-fi:Maximum likelihood estimation dbpedia-fr:Maximum likelihood estimation dbpedia-ga:Maximum likelihood estimation dbpedia-gl:Maximum likelihood estimation dbpedia-he:Maximum likelihood estimation dbpedia-hu:Maximum likelihood estimation dbpedia-it:Maximum likelihood estimation dbpedia-ja:Maximum likelihood estimation dbpedia-ko:Maximum likelihood estimation http://lt.dbpedia.org/resource/Didžiausio_tikėtinumo_metodas dbpedia-nl:Maximum likelihood estimation dbpedia-pt:Maximum likelihood estimation dbpedia-ru:Maximum likelihood estimation dbpedia-simple:Maximum likelihood estimation dbpedia-sr:Maximum likelihood estimation http://su.dbpedia.org/resource/Maximum_likelihood dbpedia-sv:Maximum likelihood estimation dbpedia-tr:Maximum likelihood estimation dbpedia-uk:Maximum likelihood estimation http://ur.dbpedia.org/resource/امکاناتی_حد_اعلیٰ dbpedia-vi:Maximum likelihood estimation dbpedia-zh:Maximum likelihood estimation https://global.dbpedia.org/id/7y9Z |
| skos:exactMatch | http://zbw.eu/stw/descriptor/15264-5 |
| prov:wasDerivedFrom | wikipedia-en:Maximum_likelihood_estimation?oldid=1119488239&ns=0 |
| foaf:depiction | wiki-commons:Special:FilePath/Ee_noncompactness.svg wiki-commons:Special:FilePath/MLfunctionbinomial-en.svg wiki-commons:Special:FilePath/Youngronaldfisher2.jpg |
| foaf:homepage | http://math.utep.edu |
| foaf:isPrimaryTopicOf | wikipedia-en:Maximum_likelihood_estimation |
| is dbo:knownFor of | dbr:Ronald_Fisher dbr:David_Firth_(statistician) |
| is dbo:wikiPageDisambiguates of | dbr:MLE |
| is dbo:wikiPageRedirects of | dbr:Maximum_Likelihood dbr:Maximum-likelihood dbr:Maximum-likelihood_method dbr:Maximum_Likelihood_Estimate dbr:Maximum_Likelihood_Estimation dbr:Maximum_Likelihood_Method dbr:Maximum_likelihood_estimator dbr:Maximum_likelihood_estimators dbr:Maximum_likelihood_method dbr:Maximum_likelihood_principle dbr:Method_of_maximum_likelihood dbr:Maximum_likelihood dbr:Conditional_maximum_likelihood_estimation dbr:Maximum-likelihood_estimation dbr:Maximum_Likelihood_Estimation_with_Flow_Data dbr:Maximum_Likelihood_Estimator dbr:Maximum_likelihood_estimate dbr:Maximum_likelihood_estimation_with_flow_data dbr:Unconditional_maximum_likelihood_estimation dbr:Semiparametric_maximum_likelihood_estimation dbr:Full_information_maximum_likelihood dbr:ML_Estimate |
| is dbo:wikiPageWikiLink of | dbr:Bayesian_information_criterion dbr:Power_law dbr:Proofs_involving_ordinary_least_squares dbr:Ronald_Fisher dbr:List_of_acronyms:_M dbr:M-estimator dbr:MIMO_radar dbr:Meta-analysis dbr:One-shot_learning dbr:Probit_model dbr:Bayesian_quadrature dbr:Beryl_May_Dent dbr:Bradley–Terry_model dbr:David_Firth_(statistician) dbr:DeMix dbr:Hyperpolarized_carbon-13_MRI dbr:Peter_Arcidiacono dbr:Response_modeling_methodology dbr:Visual_information_fidelity dbr:Dynamic_discrete_choice dbr:EM_algorithm_and_GMM_model dbr:Inverse_problem dbr:Likelihoodist_statistics dbr:Otsu's_method dbr:Substitution_model dbr:Null_distribution dbr:Preferential_attachment dbr:Point_estimation dbr:Constance_van_Eeden dbr:Count–min_sketch dbr:Cross_entropy dbr:Maximum_Likelihood dbr:Maximum_spacing_estimation dbr:Generalized_linear_model dbr:Generalized_normal_distribution dbr:Generalized_renewal_process dbr:Generative_adversarial_network dbr:Genome_skimming dbr:Geometric_distribution dbr:Geometric_programming dbr:Ornstein–Uhlenbeck_process dbr:Quantum_tomography dbr:GAUSS_(software) dbr:Gene_expression_programming dbr:Generalized_method_of_moments dbr:Generative_model dbr:Glossary_of_probability_and_statistics dbr:Box–Jenkins_method dbr:Molecular_phylogenetics dbr:Conditional_logistic_regression dbr:Conjoint_analysis dbr:Conjugate_prior dbr:Statistical_inference dbr:Likelihood_function dbr:Machine_olfaction dbr:Chlorodendrales dbr:Stock_sampling dbr:Computational_statistics dbr:Empirical_risk_minimization dbr:Feedback_arc_set dbr:Half-normal_distribution dbr:Hough_transform dbr:Kriging dbr:Matrix-exponential_distribution dbr:Central_tendency dbr:Tibouchina dbr:Tobit_model dbr:Distance dbr:Hadamard_transform dbr:Large_Underground_Xenon_experiment dbr:Linear_discriminant_analysis dbr:Linear_prediction dbr:Linear_predictive_coding dbr:Linear_regression dbr:Local_average_treatment_effect dbr:Logistic_regression dbr:Minimum-distance_estimation dbr:Nonlinear_system_identification dbr:Stein's_example dbr:Akaike_information_criterion dbr:Exponential_distribution dbr:Extremum_estimator dbr:Censoring_(statistics) dbr:Differential_item_functioning dbr:Digital_antenna_array dbr:Direct_coupling_analysis dbr:Direction_of_arrival dbr:Discrete_choice dbr:Flow-based_generative_model dbr:Go_ranks_and_ratings dbr:Gradient-enhanced_kriging dbr:Iterative_proportional_fitting dbr:Kimiko_O._Bowman dbr:List_of_OpenCL_applications dbr:Rayleigh_distribution dbr:Gregory_Chow dbr:Bacterial_phylodynamics dbr:Hyperbolastic_functions dbr:Kaplan–Meier_estimator dbr:Binomial_distribution dbr:Coefficient_of_variation dbr:Econometrics dbr:Heteroskedasticity-consistent_standard_errors dbr:Homoscedasticity_and_heteroscedasticity dbr:Weibull_distribution dbr:Aruoba-Diebold-Scotti_Index dbr:Autoregressive_model dbr:Borda_count dbr:Platt_scaling dbr:Point-set_registration dbr:Source_attribution dbr:Maximum-likelihood dbr:Maximum-likelihood_method dbr:Maximum_Likelihood_Estimate dbr:Maximum_Likelihood_Estimation dbr:Maximum_Likelihood_Method dbr:Maximum_likelihood_estimator dbr:Maximum_likelihood_estimators dbr:Maximum_likelihood_method dbr:Maximum_likelihood_principle dbr:Method_of_maximum_likelihood dbr:Kullback–Leibler_divergence dbr:Mimaporia dbr:Broyden–Fletcher–Goldfarb–Shanno_algorithm dbr:RATS_(software) dbr:Randy_Read dbr:Change_detection dbr:MIMO dbr:MLE dbr:Markov_switching_multifractal dbr:Maximum_likelihood dbr:Score_(statistics) dbr:Separation_(statistics) dbr:Sjors_Scheres dbr:Wald_test dbr:Expectation–maximization_algorithm dbr:Explained_variation dbr:Conditional_maximum_likelihood_estimation dbr:The_Lady_Tasting_Tea dbr:Fisher_information dbr:NM-method dbr:NONMEM dbr:Multispecies_coalescent_process dbr:Phylogenetic_invariants dbr:Phylogenetic_signal dbr:Phylogenomics dbr:Maximum-likelihood_estimation dbr:Maximum_Likelihood_Estimation_with_Flow_Data dbr:Maximum_Likelihood_Estimator dbr:Maximum_likelihood_estimate dbr:Maximum_likelihood_estimation_with_flow_data dbr:Video_super-resolution dbr:Unconditional_maximum_likelihood_estimation dbr:Random_sample_consensus dbr:SAMV_(algorithm) dbr:Transmission_electron_cryomicroscopy dbr:Semiparametric_maximum_likelihood_estimation dbr:Full_information_maximum_likelihood dbr:ML_Estimate |
| is dbp:knownFor of | dbr:Ronald_Fisher |
| is rdfs:seeAlso of | dbr:Kullback–Leibler_divergence |
| is foaf:primaryTopic of | wikipedia-en:Maximum_likelihood_estimation |
