反向連結 · 假設檢定

最大似然估計：最大似然估計（Maximum Likelihood Estimation，簡稱MLE）是統計學中用來推斷模型參數的核心方法。它的基本原則是選擇能夠使觀測樣本出現機率（即似然函數）達到最大的參數值作為估計量。這種思路在各種統計模型，如常態分佈、二項分佈及指數分佈等，都適用。 具體做法是先寫出樣本的聯合密度或質量函數，視為參數的函數，然後對該函數取

推論統計：推論統計是統計學的一個重要分支，屬於現代科學方法論的範疇。它與描述統計最大的不同在於不僅僅呈現樣本資料的分布，而是根據樣本資料推斷母體的特徵與規律。透過假設檢定與信賴區間等技術，研究者可以在不完整的資料情況下，對整體現象作出具有一定置信度的結論。 在實務上，推論統計依賴常態分佈的假設，常以常態分佈作為近似依據。母體參數的估計包括點估計與區間估計，其

最大似然法：最大似然法（Maximum Likelihood Estimation，MLE）是統計學中用於參數估計的一種基本方法，由英國統計學家Ronald Fisher於1912年提出。其核心思想是：在給定模型的假設下，選擇能夠使觀測資料出現概率最大的參數值作為估計結果。具體而言，首先依據資料服從的概率分佈建立似然函數，隨後透過最大化該函數來獲得最大似然估