第一条小径是高斯找到的，高斯以如下准则作为小径的出发点
误差分布导出的极大似然估计 = 算术平均值
设真值为θ，而
为n次独立测量值，每次测量的误差为
，假设误差
的密度函数为
，则测量值的联合概率为n个误差的联合概率，记为
为求极大似然估计，令
整理后可以得到
令
由上式可以得到
由于高斯假设极大似然估计的解就是算术平均
，把解带入上式，可以得到
在上式中取m=2，有
21 高斯的推导(1809)
2023-11-03
41
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
21 高斯的推导(1809)
目录
相关文章
|
传感器
算法
定位技术
|
决策智能
罗尔(Rolle)、拉格朗日(Lagrange)和柯西(Cauchy)三大微分中值定理的定义
罗尔(Rolle)、拉格朗日(Lagrange)和柯西(Cauchy)三大微分中值定理的定义
406
0
0
|
机器学习/深度学习
定位技术
|
人工智能
开发者
|
机器学习/深度学习
传感器
算法
【光学】基于GS算法实现高斯光转换成高阶高斯光，一阶空心高斯光，贝塞尔高斯光附matlab代码
【光学】基于GS算法实现高斯光转换成高阶高斯光，一阶空心高斯光，贝塞尔高斯光附matlab代码
284
0
0
|
人工智能
算法
Python
最小二乘法多项式曲线拟合原理与实现
概念
最小二乘法多项式曲线拟合，根据给定的m个点,并不要求这条曲线精确地经过这些点，而是曲线y=f(x)的近似曲线y= φ(x)。
原理
[原理部分由个人根据互联网上的资料进行总结，希望对大家能有用]
给定数据点pi(xi,yi)，其中i=1,2,…,m。
2456
1
1