数据越多，极大似然估计为什么会更准确？
视频内容简介：
极大似然估计，是统计学中用得最多、最基础的方法之一。现实中，很多模型都需要我们去推测一些未知参数，而极大似然法就是帮我们根据现有数据，推断这些参数最合理取值的一种方法。简单来说，就是假设你手里有一堆数据，这些数据都和某个未知参数有关，但你无法直接看到这个参数，只能通过数据“反推”它是多少。极大似然法的思路很直接——选出那个最有可能让你观测到这些数据的参数。比如扔骰子，如果六点出现的次数比正常多，极大似然法就会认为“六点的概率”比理论上要大。极大似然估计有三大优点：它的推断通常非常接近真实值，估计值在数据量大时会呈正态分布，而且它的误差最小。不过，这种方法也不是万能的，有时候数据太少或者模型不对，结果就可能不准确。尽管如此，极大似然估计依然是现代数据分析中不可替代的重要工具。
本视频翻译自：
https://www.youtube.com/watch?v=YevSE6bRhTo
立即观看
0