אמידת נראות מרבית
אמידת נראות מרבית (Maximum Likelihood Estimation, MLE) היא שיטה פרמטרית כללית להערכת הפרמטרים הלא ידועים של מודל סטטיסטי, על ידי מציאת ערכי הפרמטרים שהופכים את הנתונים הנצפים לסבירים ביותר. השיטה, שגובשה פורמלית על ידי ר. א. פישר במאמרו פורץ הדרך משנת 1922 בכתב העת Philosophical Transactions of the Royal Society, הפכה לפרדיגמת אמידת הפרמטרים הדומיננטית בסטטיסטיקה המודרנית ומהווה את המנוע הבסיסי מאחורי רגרסיה לוגיסטית, מודלים לינאריים מוכללים, מידול משוואות מבניות, וכמעט כל הליכי ההסקה הפרמטריים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Maximum Likelihood Estimation. ScholarGate. https://scholargate.app/he/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.
- אלגוריתם ה-EMסטטיסטיקה↔ compare
- רגרסיה לוגיסטיתסטטיסטיקה למחקר↔ compare
- שיטת המומנטיםהנדסת חשמל↔ compare
- מודל משוואות מבניותסטטיסטיקה למחקר↔ compare