← 全部问题如何计算独立样本的似然？
要计算独立样本的似然，首先写出所有观测值在给定参数下的联合概率质量函数/概率密度函数，然后利用独立性将其分解为单个概率质量函数/概率密度函数项的乘积。
适用条件
- 样本 x1,…,xn 是独立的。
- 每个观测值具有相同的函数形式 f(xi∣θ)。
- 代入数据值，同时 θ 保持符号形式。
理解与推导
- 从似然函数 L(θ∣x1,…,xn) 开始。
- 将似然重写为整个样本在给定参数下的联合概率质量函数/概率密度函数：f(x1,…,xn∣θ)。
- 利用独立性假设将联合项展开为单观测项的乘积：f(x1∣θ)⋯f(xn∣θ)。
- 将展开的乘积压缩为标准乘积记号：∏i=1nf(xi∣θ)。
- 针对不同的候选 θ 值评估该乘积。
例子
黑板显示了从 f(x1,…,xn∣θ) 到 f(x1∣θ)⋯f(xn∣θ) 再到紧凑形式 ∏i=1nf(xi∣θ) 的转换。讲师说：“但我们知道它们是独立的，所以我们可以把它拆分成单变量的乘积。”
容易误解的地方
- 在展开联合分布时忘记应用独立性假设。
- 将似然函数与在固定观测值之前的数据联合概率分布混淆。
相关问题
掌握方法↗ 正态建议分布的参数是通过最大似然估计选择的。均值 μ 设置为保留的 g∗ 样本的样本均值，标准差 σ 设置为这些样本的样本二阶中心矩的平方根。
适用条件：建议分布族仅限于正态分布。；用于拟合的数据是满足 X>γ 的保留样本。
认识概念↗ 似然函数是 L(p)=(710)⋅p7⋅(1−p)3。它表示观察到 7 次正面和 3 次反面的概率，作为未知参数 p（单次抛掷正面的概率）的函数。
适用条件：抛掷次数 n=10。；观察到的正面次数 k=7。；p 是单次抛掷正面的概率。
认识概念↗ 概率固定参数并改变数据，导致归一化分布，其中概率之和为 1。似然固定数据并改变参数，导致非归一化曲线，其积分不等于 1。
适用条件：两种观点都基于相同的条件表达式 P(x∣θ)。；概率观点：参数固定，数据变化。；似然观点：数据固定，参数变化。
理解原因↗ 精英样本按似然比加权，因为它们是从当前建议分布中抽取的，而不是原始目标分布。似然比纠正了这种差异，确保更新后的建议分布参数准确反映了原始分布下的最大似然估计。
适用条件：精英样本是值高于迭代阈值 γi 的样本。；似然比计算为原始密度除以建议密度。
似然函数不是概率分布，因为它在参数空间上的积分不等于 1。它衡量了每个参数值解释固定数据的程度，而不是为参数值本身分配概率。
适用条件：数据是固定的。；参数 p 在其空间 [0,1] 上变化。
答案依据视频资料生成并经过独立核验。若有疑问，请核对原视频或联系原作者。