浅谈参数估计的几种方法的优缺点(3)

2 1 并且写出似然函数式，然后在确定好可以让似然函数能够达到最大值的参数 的值，然后有时这个点可能不止一个，例如取常数值的函数，所以说这就是一开始所说不具备唯一性的原因了。最大似然估计不一定存在：最大似然估计可以说是求似然函数的极大值点，样本的联合分布密度我们可以定义为似然函数，其导函数为 0的函数叫做似然方程。其为零的点被叫做函数的驻点，上述所说的驻点可不一定是函数的极大值点，所以似然方程的解未必是最大似然估计也即最大似然估计不一定存在。因此通过解似然方程的方法求最大似然估计时，需要验证似然方程的解是否是似然函数的极大值点。因此最大似然估计不一定存在。最大似然估计的性质：不变性假如 是 的最大似然估计，函数g 有单值反函数，则 ) ( g 是 ) ( g 的最大似然估计。