帮我编一段MATLAB代码：知道极大似然估计的公式，求解及大似然估计

极大似然估计是一种参数估计方法，它通过选择参数值，使得观测到的数据出现的概率（似然）最大。在MATLAB中，我们可以编写一段代码来实现极大似然估计。以下是一个简单的例子，我们将估计一组数据的正态分布参数（均值和方差）。

function [mu, sigma] = maximumLikelihoodEstimation(data)
    % data: 观测到的数据集
    % mu: 估计得到的均值
    % sigma: 估计得到的标准差

    % 初始化参数
    n = length(data);
    mu = mean(data); % 初始猜测均值为样本均值
    sigma = std(data); % 初始猜测标准差为样本标准差
    
    % 设置收敛阈值和最大迭代次数
    threshold = 1e-5;
    maxIter = 100;
    iter = 0;
    
    % 迭代过程，使用牛顿法更新参数
    while true
        iter = iter + 1;
        % 计算似然函数
        L = -0.5 * n * log(2 * pi) - 0.5 * n * log(sigma^2) - 0.5 * sum(((data - mu) ./ sigma).^2);
        
        % 计算似然函数的梯度
        gradL_mu = sum((data - mu) ./ sigma^2);
        gradL_sigma = -n/sigma + sum((data - mu).^2) / (sigma^3);
        
        % 计算Hessian矩阵
        Hessian = [sum(-2 ./ sigma^2), sum(2 * (data - mu) ./ sigma^3); ...
                   sum(2 * (data - mu) ./ sigma^3), sum(3 * (data - mu).^2 ./ sigma^4) - n/sigma^2];
        
        % 更新参数
        delta = -inv(Hessian) * [gradL_mu; gradL_sigma];
        
        % 更新均值和标准差
        mu = mu + delta(1);
        sigma = sqrt(max(sigma^2 + delta(2), 0)); % 防止sigma^2变为负数
        
        % 检查收敛性
        if norm(delta) < threshold || iter >= maxIter
            break;
        end
    end
end

在这段代码中，我们定义了一个函数`maximumLikelihoodEstimation`，它接受一个数据集作为输入，并返回通过极大似然估计得到的均值`mu`和标准差`sigma`。我们使用了牛顿法来迭代更新参数，直到达到收敛条件或达到最大迭代次数。

使用这段代码的示例：

% 假设有一组正态分布的观测数据
data = randn(100, 1) * 2 + 10;

% 调用极大似然估计函数
[mu, sigma] = maximumLikelihoodEstimation(data);

% 显示结果
disp(['估计的均值: ', num2str(mu)]);
disp(['估计的标准差: ', num2str(sigma)]);

请确保在使用代码前，你已经理解了极大似然估计的原理，并且根据实际情况调整了参数和收敛条件。