如何使用微积分来寻找最大似然估计量？

适用条件

• 对数似然函数关于参数 $\theta$ 是可微的。
• 参数空间允许最大值存在。

理解与推导

1. 写下似然函数 $L(\theta \mid x_1, \dots, x_n)$。
2. 取自然对数以获得对数似然 $\ell(\theta \mid x_1, \dots, x_n)$。
3. 计算对数似然关于 $\theta$ 的一阶导数：$\frac{d}{d\theta} \ell(\theta)$。
4. 将一阶导数设为零并求解 $\theta$ 以找到临界点。
5. 计算对数似然关于 $\theta$ 的二阶导数。
6. 验证在临界点处二阶导数为负，以确认它是最大值。

例子

演讲者概述了步骤：“写下似然，取对数，取一阶导数，设为零，找到最大化器，取二阶导数。”她指出，“我们可以直接使用微积分来求导并找到最大化器。”

容易误解的地方

• 忘记检查二阶导数以确保临界点是最大值而不是最小值。
• 假设将导数设为零总是产生唯一的全局最大值，而不检查边界条件。

观看对应讲解

相关概念

继续追问

• 寻找最大似然估计量的标准步骤是什么？
• 为什么在寻找 MLE 时使用对数似然而不是原始似然函数？

相关问题