La probabilità massima, o ML, il metodo è stato proposto dallo statistico inglese RA Fischer. Questo metodo trova la stima di un parametro che massimizza la probabilità di osservare i dati forniti un modello per i dati. Calcolare la stima di massima verosimiglianza di un parametro p prendendo la derivata della funzione di verosimiglianza rispetto a p e trovare il punto in cui p è uguale a zero.

istruzione

1 Ottenere la funzione di verosimiglianza o la funzione di densità di probabilità (pdf) del parametro che desideri per la stima. Il pdf è una funzione che descrive la probabilità relativa di una variabile casuale a verificarsi in un determinato punto. Esempi di PDF sono normale, inversa gaussiana, gamma, di Poisson e le distribuzioni di Bernoulli. Per esempio, per una distribuzione normale, si potrebbe desiderare di trovare le stime medie e varianza.

2 Calcolare il logaritmo naturale della funzione di verosimiglianza. logaritmi naturali sono facili da calcolare e sono standard con la maggior parte dei linguaggi di programmazione come C, PHP e Matlab (funzione di log). È anche possibile utilizzare la funzione log () in Excel o utilizzare la calcolatrice.

3 Calcolare la derivata della funzione di log verosimiglianza rispetto al parametro che si sta cercando di stimare (p). Alcuni programmi come Matlab hanno costruito in funzioni come diff () e polyder () per calcolare la derivata. In altri programmi, come C ed Excel, è possibile calcolare la derivata di y rispetto ad x come segue: dy / dx = (Y1-Y0) / (x1-x0). Dove y1, x1 sono i valori attuali delle variabili di ingresso e di uscita Y e X, e y0, x0 sono le (decrementali) i valori precedenti di Y e X.

4 Impostare la parità derivata a zero e risolvere per il parametro che si sta cercando di stimare (p).