黄石2026-07-21 11:22:16

同学你好。这道题有些超纲了，最大似然估计不在FRM的考纲要求内。简单来说，最大似然估计是通过最大化观测到当前样本的概率、从而估计参数的一种方法。比方说我们掷硬币，记正面朝上为1，背面朝上为0，我们想估计硬币正面朝上的概率p。此处硬币正面朝上还是背面朝上服从一个伯努利分布。接下来，抽取样本，假设样本是{1, 0, 0, 1, 1, 0}。现在我们可以估计一个观测到这一样本的“概率”，也就是p*(1-p)*(1-p)*p*p*(1-p)（注意最大似然估计会假设个体间独立同分布，故观测到这一样本的概率就是第一个硬币正面朝上的概率*第二个硬币背面朝上的概率*...）。接下来，将p*(1-p)*(1-p)*p*p*(1-p)对p求一阶导并设其为0，即可得到一个关于p的估计，该估计便被称作最大似然估计。最大似然估计量的优良性质主要集中在有效性上，在一些常规条件下，最大似然估计量在一众一致且渐近正态的估计量中是渐近有效的（在样本容量趋于无穷时趋于有效）；在某些特殊情况下，最大似然估计量甚至能实现最佳无偏估计量（best unbiased estimator，这个概念比BLUE更强）。但是，关于无偏性，很多时候最大似然估计量其实做不到无偏，比如Σ(x - μ^)^2/n就是样本方差的最大似然估计量，而这是一个有偏估计量。