נראות מקסימלית – הבדלי גרסאות

תוכן שנמחק תוכן שנוסף
מאין תקציר עריכה
מאין תקציר עריכה
שורה 1:
'''שיטת הנראות המקסימלית''' היא מתודה נפוצה ב[[סטטיסטיקה]] להתאמת [[מודל]] סטטיסטי לנתונים, כלומר היא משמשת במסגרת [[אמידה פרמטרית]] למציאת אמד לפרמטר המאפיין את המודל. למשל במקרה בו נתון שמשתנה מקרי הוא בעל [[התפלגות נורמלית]] אלא שה[[תוחלת]] שלו אינה ידועה, גישה זו מספקת דרך למציאת אומדן לתוחלת.
 
באופן אינטואיטיבי הגישה אומרת שכדי לנבא היטב את הפרמטר האמתיהאמיתי על-סמך מדגם מקרי מסוים, יש לבדוק איזה פרמטר מתוך כל האפשרויות הוא זה ש"יסביר" הכיבצורה טובהטובה ביותר את המדגם. כלומר אמד הנראות המרבית הוא הפרמטר שאם היינו מציבים בפונקציית ההתפלגות מראש, הוא היה נותן את ההסתברות הגבוהה ביותר לקבל את המדגם שאכן התקבל.
 
בשפה המתמטית מקובל לסמן את הנראות המקסימלית באותיות '''MLE''', ראשי תיבות של ''Maximum Likelihood Estimation''.
שורה 41:
 
* '''עקיבות''': כאשר גודל המדגם שואף ל[[אינסוף]], האומד [[התכנסות (הסתברות)|מתכנס]] לערכו האמיתי של הפרמטר. זוהי תכונה חשובה מאוד שמאפשרת לנו למעשה לאמוד את הפרמטר בכל רמת דיוק שנרצה.
* '''אינווריאנטיות פונקציונאלית''': אם <math>\ \hat{\theta}</math> הוא אומד נראות מקסימלית של פרמטר <math>\ \theta</math>, ו-<math>\ g(x) </math> הינההיא [[פונקציה חד-חד-ערכית]], אז <math>\ g(\hat{\theta})</math> הוא אומד נראות מקסימלית לפרמטר <math>\ g({\theta})</math>.
 
== ראו גם ==
* [[אלגוריתם ציפייה - מקסום]]
[[קטגוריה: סטטיסטיקה]]