Maximum Likelihood Estimation
Maximum Likelihood Estimation (MLE) är en generell parametrisk metod för att estimera de okända parametrarna i en statistisk modell genom att finna de parametervärden som gör den observerade datan mest sannolik. Formaliserad av R. A. Fisher i hans banbrytande artikel från 1922 i Philosophical Transactions of the Royal Society, har MLE blivit det dominerande paradigm för parameterskattning inom modern statistik och är den grundläggande motorn bakom logistisk regression, generaliserade linjära modeller, strukturella ekvationsmodeller och praktiskt taget alla parametriska inferensprocedurer.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Maximum Likelihood Estimation. ScholarGate. https://scholargate.app/sv/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-algoritmenStatistik↔ compare
- Logistisk regressionForskningsstatistik↔ compare
- MomentmetodenElektroteknik↔ compare
- Strukturell ekvationsmodelleringForskningsstatistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →