反向連結 · 最大似然估計

# 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]]，

參數估計是統計學中一項核心技術，透過已知的[[樣本]]資訊，對[[總體]]的未知的[[機率分佈]]或相關[[參數]]進行推斷與數值化。常見的估計方法包含[[最大似然估計]]、[[贝叶斯估计]]以及[[矩估计法]]等，它們各有理論依據與適用情境。[[最大似然估計]]以樣本出現的聯合概率最大化為原則，常能獲得良好的大樣本性質；[[贝叶斯估计]]則結合先驗資訊，利

資訊理論是研究信息量化、編碼、傳輸與儲存的數學理論，由[[香農]]於1948年創立。該理論提出[[信息熵]]概念，用以度量訊源的隨機性，並透過[[源編碼定理]]說明在無失真條件下可達到的最小平均碼長。 在信道傳輸方面，[[信道編碼定理]]揭示在噪聲干擾中實現可靠通信的理論上限，稱為信道容量，這一結論成為現代通訊網路設計的基石。 資訊理論的應用範圍涵蓋[[資料