标签：最大化 概率 马尔科夫 Ch1 算法 估计 先验 方法 估计量

估计量：函数

估计值：函数的值

估计量的标准：无偏性 有效性 一致性

矩法

极大似然估计

独立出现的概率相乘 使连乘积最大

牛顿-拉夫逊算法：score function收敛即可

期望最大化算法：两次期望最大化的差值收敛即可

存在的问题：local最大化（而非global最大化）

贝叶斯估计

边际概率 P(A) 联合概率 P(A∩B) 条件概率 P(B|A)

P(B|A)=P(A∩B)/P(A)

马尔科夫链蒙特卡洛算法：2条马尔科夫链

认为θ是一个分布

根据关于θ的先验信息校正先验分布

先验信息可以补充样本量小的问题

重抽样方法

独立同分布

总体无限大 个体被抽到的概率相同（有放回）

标签：最大化,概率,马尔科夫,Ch1,算法,估计,先验,方法,估计量
来源： https://blog.csdn.net/Lucid1024/article/details/123116914

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。