如何推导独立指数观测中速率参数的最大似然估计？

适用条件

• 观测值是独立的。
• 观测值服从指数分布。
• 速率参数 $\lambda$ 是正的。

理解与推导

1. 写出独立指数观测的似然函数：$\lambda^n \exp(-\lambda \sum x_i)$。
2. 关于 $\lambda$ 最大化该似然函数。
3. 求解使函数最大化的 $\lambda$ 值。
4. 获得最大似然估计：$n / \sum x_i$。
5. 将此估计与矩估计进行比较，注意它们是相同的。

例子

脚本指出：“对于具有正速率 λ 的独立指数观测，似然函数是 λⁿexp(−λΣxᵢ)。其最大值给出 $n/Σx$ᵢ，与矩估计相匹配。”

容易误解的地方

• 假设最大似然估计和矩估计总是不同的。
• 忘记速率参数 $\lambda$ 必须是正的。
• 混淆速率参数 $\lambda$ 与均值参数 $1/\lambda$。

观看对应讲解

相关概念

继续追问

• 为什么在指数模型中最大似然估计和矩估计会匹配？
• 分类模型的估计过程有何不同？
• 在为均匀分布估计参数时会发生什么？

相关问题