补数学基础之高斯分布——极大似然估计

高斯分布

就是我们常说的正态分布，也叫常态分布，名字有很多~~后面统一叫高斯分布。

图形非常的常见~
最简单的，人类的身高分布，学习成绩这种，基本都服从于高斯分布。

一维高斯分布：
若随机变量X服从一个位置参数为μ 、尺度参数为σ的概率分布的概率密度函数如下：

μ ——均值
σ——标准差
则这个随机变量就称为正态随机变量，正态随机变量服从的分布就称为正态分布，记作X~N(μ，σ²) ，读作X服从N(μ，σ²) ，或X服从高斯分布。

高斯分布先到这里，公式推导详情回去看概率论课本。

极大似然估计

第一次看这个名字有点懵，完全不懂要表达啥，但是看了他的英文解释：Maximum Likelihood Estimate，MLE 最大可能性估计，是不是好理解很多。

它主要作用是利用已知的样本结果，反推最有可能（最大概率）导致这样结果的参数值。

当“模型已定，参数未知”时，通过若干次试验，观察其结果，利用试验结果得到某个参数值能够使样本出现的概率为最大，则称为极大似然估计。

通过做一个例题来了解一下极大似然估计：

例题：

假设一批电池的寿命符合高斯分布，概率密度就上面这个式子吧：