matlab最大似然估计代码

这里提供一个简单的 matlab 最大似然估计代码示例：

假设我们有一组数据 x，我们假设这些数据服从正态分布，其中均值 mu 和方差 sigma 是未知参数。我们的目标是用最大似然估计来估计这些参数。

首先，我们需要定义正态分布的概率密度函数：

function y = normpdf(x, mu, sigma)
y = exp(-(x-mu).^2/(2*sigma^2))/(sigma*sqrt(2*pi));
end

然后，我们定义似然函数：

function L = likelihood(x, mu, sigma)
L = prod(normpdf(x, mu, sigma));
end

最后，我们使用 fminsearch 函数来最小化负对数似然函数，以获得最大似然估计值：

function [mu, sigma] = maximum_likelihood_estimate(x)
negloglik = @(params) -sum(log(normpdf(x, params(1), params(2))));
[params, fval] = fminsearch(negloglik, [mean(x), std(x)]);
mu = params(1);
sigma = params(2);
end

在这个示例中，我们使用了 matlab 内置的正态分布概率密度函数 normpdf 和优化函数 fminsearch。这个代码可以用来估计正态分布的均值和方差，你可以根据需要修改其中的概率分布和似然函数。