负loglikelihood函数- MATLAB & Simulink - 金宝app,下载188bet金宝搏,金宝搏官方网站

负loglikelihood函数

负面的loglikelihood函数用于支持的统计和机器学习工具箱™分布都金宝app以喜欢，如Exply。每个函数代表一个分布的参数家族。输入参数是指定分布家族的特定成员的参数值列表，然后是一系列数据。函数返回给定数据的参数的负loglikelione。

要查找最大似然估计（MLE），您可以使用负面的Loglikelihood函数作为优化问题的目标函数，并通过使用MATLAB来解决它^®功能fminsearch或在优化工具箱™和全局优化工具箱。这些功能使您可以选择搜索算法并对算法执行进行低级控制。相比之下，mle功能和以合身，如NORMFIT一个ndGamfit，使用预设算法的选项仅限于该算法Statset功能。

可能性是有条件的概率密度。您可以使用函数指定分布的参数族F（（X，，，，一个），在哪里X一个nd一个represent a random variable and parameters, respectively. When一个已固定，该函数是概率密度函数（PDF）X，，，，F（（X|一个）。什么时候X已修复，功能是可能性参数一个，，，，F（（一个|X）。在独立的随机样本数据集上参数的关节可能性X是

$l （（一个） = \prod_{X \in X} F （（一个 | X ）。$

给出X，mles最大化l（（一个）一个。Numerical algorithms find MLEs that (equivalently) maximize the loglikelihood function, log(l（（一个））。The logarithm transforms the product of potentially small likelihoods into a sum of logs, which is easier to distinguish from 0 in computation. For convenience, Statistics and Machine Learning Toolbox negative loglikelihood functions return the消极的此总和是因为优化算法通常搜索最小值而不是最大值。

使用负loglikelihood函数找到MLE

Open Live Script

此示例显示了如何通过使用赌注一个ndfminsearch功能s.

使用Gamrnd功能以从特定的Gamma Distribution。

RNG默认;％可再现性一个=[1,2]; X = gamrnd(a(1),a(2),1e3,1);

可视化附近的可能性表面一个给出X通过使用赌注功能。

网格= 50;delta = 0.5;a1 = linspace（a（1）-delta，a（1）+delta，网格）;a2 = linspace（a（2）-delta，a（2）+delta，网格）;logl = zeros（mesh）;％preallocate内存为了i = 1：网眼为了j = 1：网格logl（i，j）= gamlike（[a1（i），a2（j）]，x）;结尾结尾[a1，a2] = meshgrid（a1，a2）;Surfc（A1，A2，Logl）

寻找可能的最低表面by using thefminsearch功能。

ll = @（u）gamlike（[u（1），u（2）]，x）;给定x的可能性％mles = fminsearch（LL，[1,2]）

mles =1×20.9980 2.0172

相比MLE根据返回的估计值Gamfit功能。

ahat = gamfit（x）

ahat =1×20.9980 2.0172

每个参数之间的差异MLE一个nd一顶帽子小于1E-4。

将MLE添加到表面图中。

抓住onPlot3（MLE（1），MLE（2），LL（MLE），，，'ro'，，，，'MarkerSize'，，，，5,“ MarkerfaceColor”，，，，'r'）查看（[-60 40]）％旋转以显示最低

也可以看看

fminsearch|nenloglik|Statset|冲浪