21 高斯的推导(1809)

简介: 21 高斯的推导(1809)

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

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

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

目录
相关文章
|
机器学习/深度学习 算法
专题六数值微积分与方程求解-2
专题六数值微积分与方程求解
106 0
|
算法 Serverless
专题六数值微积分与方程求解-1
专题六数值微积分与方程求解
122 0
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
罗尔(Rolle)、拉格朗日(Lagrange)和柯西(Cauchy)三大微分中值定理的定义
数学|如何求解线性方程系数?
数学|如何求解线性方程系数?
182 0
|
机器学习/深度学习 定位技术
如何推导高斯过程回归以及深层高斯过程详解
如何推导高斯过程回归以及深层高斯过程详解
564 0
如何推导高斯过程回归以及深层高斯过程详解
|
人工智能 开发者
最小二乘法推导与求解 | 学习笔记
快速学习最小二乘法推导与求解
最小二乘法推导与求解 | 学习笔记
|
机器学习/深度学习 算法 开发者
不等式约束条件下求极值1| 学习笔记
快速学习不等式约束条件下求极值1。
不等式约束条件下求极值1| 学习笔记
|
机器学习/深度学习 算法 开发者
不等式约束条件下求极值2| 学习笔记
快速学习不等式约束条件下求极值2。
不等式约束条件下求极值2| 学习笔记

热门文章

最新文章