1樓：
這其實是一同種方法，請看看貝葉斯公式，極大似然就是頻率派，所以你統計均值其實和極大似然時一樣的。
回到具體問題上，極大似然估計方差時，由於我們事先不知道均值 ，所以用觀測樣本的均值 來代替，所以極大似然估計方差如下，是不是和統計方差一樣。
2樓：靜學社-學無止境
直接算樣本均值是估計總體均值的乙個方法。最大似然法估計總體均值是乙個方法。矩估計來估計總體均值是乙個方法。
自助法(bootstraping)估計總體均值也是乙個方法。如果是估計回歸係數你還可以用最小二乘法。你想用哪個都可以啊，誰說了一定要用最大似然法？？？
以上方法一般是哪個方便就用哪個，當然了如果能滿足無偏且最小方差（我說的不夠嚴謹，樓主可以查下數理統計的教材，上面對什麼是最好的估計值有詳細的說明）則更好。比如估計總體均值，這些方法基本是一樣好。如果是估計總體方差，那麼直接使用樣本方差是最好的，因為最大似然法和矩估計法是有偏估計。
3樓：luckyjet
高斯分布有均值和方差，均值可沒辦法來估計方差吧？
算均值的方法可以看成是矩估計的特例。矩估計的方法也是很常見的，而且一般比寫似然函式好算。
4樓：冰鋒
咱看的也不多，只說說個人理解吧。
我覺得似然估計是一種思想，假設給定任意的一種帶參分布，根據樣本就可以估計出它的引數。這是通用的樸素的解決思路。而高斯分布引數特殊，易求，所以這裡可以等價，但也是似然的具體實現形式。
其他的指數分布族貌似不能簡單的算一下均值吧。
此外，在神經網路中似然的應用更加廣泛。均值只是最簡單的，還有很多凸組合，仿射組合。
多維高斯分布是如何由一維發展而來的？
信陵君魏無忌 剛剛寫了一波專欄直觀數學漫談，今天來強答一發這個問題，前面的一元以及維度不相關的多維高斯分布熟悉的可以直接跳過 好，讓我們來研究研究這個看起來這麼複雜的多元高斯分布吧，我也順便學一學LaTeX公式書寫吧，畢竟還是人生第一次寫LaTeX公式！先從均值為0，方差為1的一元正態分佈開始，概率...
玩我的世界1 7 10一堆模組不卡 但是1 12 2不加模組卡的要死怎麼解決？
BlackTeaPro 墨影這麼多次at我，整得我一直算是在水答案。從軟體更新角度來說，1.12和1.7時間差距已經很大。1.7適應的是當時的裝置，而1.12是最近的裝置。也不知道跟摩爾定律有沒有關係，但裝置的各種效能是在不斷提公升的。當你用著老舊的電腦，為1.7的流暢沾沾自喜時，卻沒發現早已經落後...
為啥我買的雷克薩斯es200一堆人噴我傻呢？
激動的土豆 我買了200卓越 開了快兩個月 2300公里了 旁邊的人都是誇的哪怕是陌生人也誇這車好看。還有身邊投來羨慕的人我只有在網上看到噴這車的人。座標廣州。 笑清風 因為鍵盤車神基本摸不到車，只能看引數，舒適度 品質等無法引數化的東西他們無法感受到。但凡在在網上bb的人有一半買車，ct6 s90...