matlab最大似然估计

在 MATLAB 中，使用最大似然估计的步骤如下：

1. 定义概率密度函数（Probability Density Function, PDF）或似然函数（Likelihood Function）；

2. 定义要估计的参数个数和初始值；

3. 使用 fminsearch 函数或其他优化函数来找到最大似然估计值。

下面是一个最大似然估计的示例代码：

% 定义概率密度函数
pdf = @(x, mu, sigma) 1/(sigma*sqrt(2*pi))*exp(-(x-mu)^2/(2*sigma^2));

% 生成数据
data = normrnd(3, 2, 100, 1);

% 定义似然函数
likelihood = @(params) prod(pdf(data, params(1), params(2)));

% 定义初始值
init_params = [1, 1];

% 使用 fminsearch 函数进行最大似然估计
params_hat = fminsearch(@(params) -likelihood(params), init_params);

% 输出估计结果
disp(['mu_hat = ', num2str(params_hat(1))])
disp(['sigma_hat = ', num2str(params_hat(2))])

这个例子中，我们定义了一个正态分布的概率密度函数，使用 normrnd 函数生成了一个均值为 3，标准差为 2 的正态分布样本数据，然后定义了一个似然函数和初始值，最后使用 fminsearch 函数进行最大似然估计，得到了均值和标准差的估计值。