Estimation
我們曾經使用過最大似然估計嗎？
我想知道最大似然估計是否曾經在統計中使用過。我們學習了它的概念，但我想知道它何時實際使用。如果我們假設數據的分佈，我們會找到兩個參數，一個是均值，一個是方差，但是您真的在實際情況中使用它嗎？
有人能告訴我一個簡單的例子嗎？
我想知道最大似然估計是否曾經在統計中使用過。
當然！實際上很多——但並非總是如此。
我們學習了它的概念，但我想知道它何時實際使用。
當人們有一個參數分佈模型時，他們經常選擇使用最大似然估計。當模型正確時，最大似然估計器有許多方便的屬性。
舉一個例子——廣義線性模型的使用非常普遍，在這種情況下，描述平均值的參數是通過最大似然估計的。
可能會發生某些參數是通過最大似然估計的，而其他參數不是。例如，考慮一個過度分散的泊松 GLM——分散參數不會通過最大似然估計，因為 MLE 在這種情況下沒有用。
如果我們假設數據的分佈，我們會找到兩個參數
嗯，有時你可能有兩個，但有時你有一個參數，有時是三個或四個或更多。
一個代表平均值，一個代表方差，
您是否正在考慮某個特定的模型？這並非總是如此。考慮估計指數分佈或泊松分佈或二項分佈的參數。在每種情況下，都有一個參數，方差是描述均值的參數的函數。
或者考慮具有三個參數的廣義伽馬分佈。或者是一個四參數的 beta 分佈，它有（也許並不奇怪）四個參數。還要注意（取決於特定的參數化）均值或方差或兩者可能不是由單個參數表示，而是由其中幾個參數表示。
例如，伽馬分佈，其中有三個參數化使用相當普遍——其中最常見的兩個參數的均值和方差都是兩個參數的函數。
通常在回歸模型或 GLM 或生存模型（在許多其他模型類型中）中，模型可能依賴於多個預測變量，在這種情況下，與模型下的每個觀察相關的分佈可能具有其自己的參數之一（或甚至幾個參數）與許多預測變量（“自變量”）相關。