Le maximum de vraisemblance, ou ML, la méthode a été proposée par le statisticien anglais R. A. Fischer. Cette méthode trouve l`estimation d`un paramètre qui maximise la probabilité d`observer les données fournies par le modèle pour les données. Calculer l`estimation de vraisemblance maximale d`un paramètre p en prenant la dérivée de la fonction de vraisemblance en ce qui concerne p et trouver le point où p est égal à zéro.
Obtenir la fonction de vraisemblance ou la fonction de densité de probabilité (pdf) du paramètre que vous souhaitez estimer. Le pdf est une fonction qui décrit la probabilité relative d`une variable aléatoire de se produire à un moment donné. Des exemples de pdfs sont la normale, inverse gaussien, gamma, Poisson et distributions de Bernoulli. Par exemple, pour une distribution normale, vous pouvez trouver les estimations de la moyenne et la variance.
Calculer le logarithme naturel de la fonction de vraisemblance. logarithmes naturels sont faciles à calculer et sont standard avec la plupart des langages de programmation tels que C, PHP et Matlab (fonction log). Vous pouvez même utiliser la fonction log () dans Excel ou utiliser la calculatrice.
Calculer la dérivée de la fonction logarithmique de vraisemblance par rapport au paramètre que vous essayez d`estimer (p). Certains programmes comme Matlab ont construit dans des fonctions telles que diff () et polyder () pour calculer la dérivée. Dans d`autres programmes tels que C et Excel, vous pouvez calculer la dérivée de y par rapport à x comme suit: dy / dx = (y1-y0) / (x1-x0). Où y1, x1 sont les valeurs actuelles des sorties et des entrées variables y et x, et y0, x0 sont les valeurs précédentes (décrémentiel) de y et x.
Réglez le même dérivé à zéro et à résoudre pour le paramètre que vous essayez d`estimer (p).
