Question

我知道MATLAB有一个用于最大似然估计的包，但出于教育目的，我自己编写了一个算法，可以让我重新估算。现在，我已经写了一个函数，我正在努力减少（因为我使用负对数可能性）。这是：

function ml = two_var(param, data)
mu = param(1);
sigma = param(2);
n=numel(data);
sumto = 0;
for i=1:n
    c = data(i)- mu;
    sumto = sumto + c;
    ml = n/2*log(2*pi)+n/2*log(sigma^2)+1/(2*sigma^2)*sumto^2;
end

此代码涉及高斯分布的估计。现在，我遇到的问题是这个函数似乎不是有效的fminunc输入......我怎样才能解决这个问题呢？我究竟做错了什么？感谢任何想要帮助的人;）

Answer 1

感谢所有帮助评论该问题的人。好吧，我已经使用了所有有用的注释来改进我的代码。这是我的最终结果。

function ml = t_var(param)
rng default;
data = random('norm',0,1,[400,1]);
z = (data - param(1)) ./ param(2);
L = -.5.*z.*z - log(sqrt(2.*pi).*param(2));
ml = -sum(numel(data).*L);

这段代码无疑更容易阅读;此外，它利用了MATLAB中允许的快速向量运算。定义此函数后，可以通过

轻松调用它

x0 =[0 0]
[x,fval] = fminsearch(@t_var,x0,optimset('TolX',1e-19,'MaxFunEvals',1000,'MaxIter',1000))

并获得与您可以获得的ML估计一致的ML估计。

非常感谢所有给我一些提示的人！ ;）

在MATLAB中编写最大似然估计算法

1 个答案: