Maximum Likelihood Estimation
Die Maximum-Likelihood-Schätzung (MLE) ist eine allgemeine parametrische Methode zur Schätzung der unbekannten Parameter eines statistischen Modells, indem die Parameterwerte gefunden werden, die die beobachteten Daten am wahrscheinlichsten machen. Formalisiert von R. A. Fisher in seiner wegweisenden Arbeit von 1922 in den Philosophical Transactions of the Royal Society, hat sich die MLE zum dominierenden Paradigma der Parameterschätzung in der modernen Statistik entwickelt und ist die grundlegende Triebkraft hinter der logistischen Regression, verallgemeinerten linearen Modellen, Strukturgleichungsmodellen und praktisch allen parametrischen Inferenzverfahren.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Fisher, R. A. (1922). On the mathematical foundations of theoretical statistics. Philosophical Transactions of the Royal Society of London, Series A, 222, 309–368. DOI: 10.1098/rsta.1922.0009 ↗
- Casella, G., & Berger, R. L. (2002). Statistical Inference (2nd ed.). Duxbury Press / Cengage Learning. ISBN: 978-0534243128
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Maximum Likelihood Estimation. ScholarGate. https://scholargate.app/de/statistics/maximum-likelihood-estimation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- EM AlgorithmStatistik↔ compare
- Logistische RegressionForschungsstatistik↔ compare
- Methode der MomenteElektrotechnik↔ compare
- Strukturelle GleichungsmodellierungForschungsstatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →