1樓：靜學社-學無止境
你可以「選擁有最大的極大似然值得那個分布」作為你的假想分布，沒有人可以阻止你這麼用。你甚至可以為所有你知道的分布求出對應的最大似然估計值，沒人會反對你這麼做。方法是死的，你想怎麼用都可以。
會用的人會根據實際情況去靈活的運用。
極大似然估計值真的準嗎? 這個問題你問的有點奇怪！首先你應該理解「統計學」這門課程在做什麼？你因為不理解統計學在做什麼，所以才會有這麼乙個奇怪的問題。
田忌賽馬的故事給我們展示了怎麼運用概率的學問去贏得比賽，道理很簡單，三局中我有兩局贏的概率大。統計學所做的事情正是如此，統計學會告訴你如何選擇概率最大的事件，但是概率最大的事件並不必然發生。
2樓：國士無雙
引數統計推斷是有模型假設的，你首先根據先驗知識等假設乙個統計模型，然後根據這個模型進行引數估計。你說的分布不對的問題是選擇模型階段考慮的。進行引數估計前提要認可你的模型。
3樓：麵包
極大似然估計只是一種求引數思路，他的思想是在給定分布下，求解最有可能的引數。而不是，這個對數似然函式，這個metric或loss 能給出最優的擬合。
估計量與估計值之間的區別？
Aaron啦啦啦 估計量 estimator 是乙個樣本的函式，而估計值 estimate 是這個函式帶入樣本後的乙個值。比如我有x1,x2,xn，這些都是我的樣本，x1 x2.xn n這個函式是乙個估計量，但是當我把手頭的資料帶進去，求出來的是乙個估計值。當然，另乙個人可以有另一組樣本，帶入我的這...
如何通俗地理解概率論中的 極大似然估計法
人工智慧 極大似然估計提供了一種給定觀察資料來評估模型引數的方法，即 模型已定，引數未知 通過若干次試驗，觀察其結果，利用試驗結果得到某個引數值能夠使樣本出現的概率為最大，則稱為極大似然估計。舉例 拋硬幣是乙個二項分布的事件，我們假設拋擲硬幣正面朝上的概率是p，那麼反面朝上的概率就是1 p。於是我們...
最大似然估計和EM演算法的關係是什麼？
Paion 期望最大化期望最大化 Expectation maximuzation 演算法在統計中被用於尋找，依賴於不可觀察的隱性變數的概率模型中，引數的最大似然估計。EM是乙個在已知最大期望演算法 Expectation Maximization Algorithm，又譯期望最大化演算法 是一種迭...