UC知道关于“极大似然估计值”和“大数定理”
来源：百度知道 编辑：UC知道 时间：2024/07/04 05:22:47
W=w1 w2……wm是字串S=c1 c2……cn的一种切分结果。wi 是一个词，P(wi)表示wi的出现的概率。在大规模语料库训练的基础上，根据大数定理[8]，即：在大样本统计的前提下，样本的频率接近于其概率值。所以P(wi)的极大似然估计值[9]等于词频，有：
P(wi) ≈ki /(k1+k2+k3+...+km)
（其中ki为wi在训练样本中出现的次数）…………………………②
-------------------------------------------------
谁能给我讲讲这里的“大数定理”和“极大似然估计值”
特别是“极大似然估计值”
P(wi) ≈ki /(k1+k2+k3+...+km)
（其中ki为wi在训练样本中出现的次数）…………………………②
-------------------------------------------------
谁能给我讲讲这里的“大数定理”和“极大似然估计值”
特别是“极大似然估计值”
大数定律有3个，指的是样本很大时的趋势，只具有统计学意义。常用的是伯努力大数定律，也就是你说的那个。数学书中总是给明了一件事发生的确切概率，但实际中我们并不能知道它，比如你怎么知道硬币正面的概率就是0.5呢？所以我们能做的就是随机试验，观察每次试验的结果并纪录，统计某个结果发生的频率。严格的说，频率并不是概率，但大数定律在这里就发挥作用了，数学家们严格的证明了：当你的试验次数足够大时，频率的极限就是概率！！所以大数定律是数理统计的理论基础，统计学的其他结论都是基于此得出的。
至于极大似然估计，只是一种概率论在统计学的应用，它是参数估计的方法之一。说的是已知某个随机样本满足某种概率分布，但是其中具体的参数不清楚，参数估计就是通过若干次试验，观察其结果，利用结果推出参数的大概值。极大似然估计是建立在这样的思想上：已知某个参数能使这个样本出现的概率最大，我们当然不会再去选择其他小概率的样本，所以干脆就把这个参数作为估计的真实值。
当然极大似然估计只是一种粗略的数学期望，要知道它的误差大小还要做区间估计。
打了这么多字累死我了…………其实你可以看看数理统计的教科书，那里面有更详细的分析。
看书比在网上码字讲的清楚
参考高等数学下册.