log-likelihood - 问题根本不需要帮助

Question

问题已被删除，所以需要回答

标签： log-likelihood

Answer 1

由于您已经在答案 (a) 中找到似然函数，您可以看到它是 M 和 theta 的函数 - 两者都是未知的。在估计 theta 之后，你就有了 MLE 估计器——我们称之为 theta_hat。在数据框中frogs，您拥有所有计数观察值y_i（已知）。因此，使用已知数据和 ML 估计 theta_hat 意味着可以为 M 的某些（合理）范围绘制可能性（您可能需要尝试不同的范围）。因此，将 L(theta_hat, M) 绘制为 M 的函数。请记住，尽管更改 M 时估计值 theta_hat 会发生变化，因此请考虑到这一点。L(theta_hat, M) 最大化的点是您对 theta 和 M 的 ML 估计。