๊ฐ๋ฅ๋(Likehood)
๊ฐ๋ฅ๋๋ ์ฐ๋๋ผ๊ณ ๋ ๋ถ๋ฆฌ๋ฉฐ, ์ด๋ ํ ๊ฐ์ด ๊ด์ธก๋์์ ๋, ์ด ๊ฐ์ด ์ด๋ค ํ๋ฅ ๋ถํฌ๋ก๋ถํฐ ์์์ง์ ๋ํ ํ๋ฅ ์ ๋ํ๋ด๋ ๊ฐ์ ๋๋ค.
๊ฐ๋ฅ๋ ํจ์ (Likedhood Function)
n๊ฐ์ ์์์ ํ๋ณธ $X_1, X_2, ..., X_n$์ ๋ํ ๊ด์ธก๋ ๊ฐ๋ค์ ๋ฒกํฐ $x = (x_1,x_2, ... x_n)$ [X1 = x1, X2 = x2, ...]์ ๋ํ์ฌ, ์๋ ํจ์๊ฐ ฮธ์ ๋ํ ๊ฒฐํฉ๋ถํฌ(joint distribution)์ ํจ์๋ก ๊ฐ์ฃผ๋ ๋, ์ด๋ฅผ ๊ฐ๋ฅ๋ ํจ์(likehood function)(ํน์ ์ฐ๋ ํจ์๋ผ๊ณ ๋ ํจ)๋ผ๊ณ ํฉ๋๋ค.
$$f_n(x|\theta)$$
์ด๋ x๋ ๋ฒกํฐ( $x=(x_1, x_2, ..., x_n)$ )์ด๋ฉฐ,
๊ฐ๊ฐ์ x1, x2, ..., xn๋ค์ ๋์ผํ ๋ชจ์ง๋จ์ผ๋ก๋ถํฐ ์ถ์ถ๋ Random Sample๋ก์จ,
i.i.d ์ด๋ฏ๋ก ๋ค์๊ณผ ๊ฐ์ต๋๋ค.
$$f_n(x|\theta) = f_n(x_1|\theta) \cdot f_n(x_2|\theta) \cdots f_n(x_n|\theta)$$
๊ฐ๋ฅ๋ ํจ์๋ ํน์ ํ ๋ชจ์ ฮธ๋ฅผ ๊ฐ์ง ํ๋ฅ ๋ถํฌ๋ก๋ถํฐ ํ๋ณธ๋ค์ด ๋์ฌ ํ๋ฅ ๋ค์ ๋ชจ๋ ๊ณฑํ ๊ฐ์ผ๋ก, ํด๋น ๊ฐ์ด ํด์๋ก ํด๋น ๋ชจ์๋ฅผ ๊ฐ์ง ๋ถํฌ๋ฅผ ๋ฐ๋ฅผ ํ๋ฅ ์ด ๋์์ง๋๋ค.
์ถ์ ๋(estimator)
์ถ์ ๋์ ํ๋ณธ๊ฐ๋ค๋ก๋ถํฐ ๋ชจ์์ ๊ฐ์ ์ถ์ ํ๋ ๋ฐฉ๋ฒ(ํจ์)์ ๋๋ค.
์ถ์ ๊ฐ(estimate)
์ถ์ ๊ฐ์ ์ถ์ ๋(estimator)์ ์ฌ์ฉํ์ฌ ์ธก์ ๋ ๋ชจ์์ ๊ฐ์ ๋๋ค.
์ต๋๊ฐ๋ฅ๋ ๋ฐฉ๋ฒ(์ต๋์ฐ๋๋ฒ) (Maximum Likelihood Estimator, MLE)
์ต๋๊ฐ๋ฅ๋ ๋ฐฉ๋ฒ์ ๋ค์๊ณผ ๊ฐ์ต๋๋ค.
$$\delta(x) =\theta \;\;\;\; witch \;\; the\; likehood\; function \; f_n(x|\theta) \;\;\;is \; maximum$$
$$\hat{\theta} = \delta(X) \;\;\;\; \hat{\theta} \; is\; estimator\; of \; \theta$$
$\delta{(x)}$ ์ $\hat{\theta}$ ๋ฅผ ๋ค์๊ณผ ๊ฐ์ด ์ ์ํ์์ ๋,
$\delta{(x)}$ : ๊ฐ๋ฅ๋ ํจ์๊ฐ ์ต๋๊ฐ ๋๊ฒ ํ๋ $\theta$
$\hat{\theta}$ = $\delta{(X)}$ : $\hat{\theta}$ ๋ $\theta$ ์ estimator(์ถ์ ๋)
(์ด๋ $\delta{(x)} \in \Omega$, $\theta \in \Omega$ ๊ฐ๋ฅ๋ ํจ์(likehood function) = $f_{n}( x \;| \;\theta )$)
maximum likehood estimator (์ต๋ ๊ฐ๋ฅ๋ ์ถ์ ๋(๋ฐฉ๋ฒ))
$\hat{\theta}$ : maximum likehood estimator of ฮธ (ฮธ์ ๋ํ ์ต๋ ๊ฐ๋ฅ๋ ์ถ์ ๋ (ํน์ ์ต๋์ฐ๋๋ฒ/์ต๋๊ฐ๋ฅ๋ ๋ฐฉ๋ฒ ๋ฑ) )
$\hat{\theta}$ = $\delta{(X)}$๋ผ ์ ์ํ์ผ๋ฏ๋ก,$\hat{\theta}$ ์ X์ ๋ํ ํจ์๋ก ๋ํ๋ด์ด์ง๋๋ค.
maximum likehood estimate (์ต๋ ๊ฐ๋ฅ๋ ์ถ์ ๊ฐ)
์ ๊ฒฝ์ฐ์์ X= x๊ฐ ๊ด์ธก๋์์ ๋,
$\delta{(x)}$์ ๊ฐ : maximum likehood estimate of ฮธ (ฮธ์ ๋ํ ์ต๋ ๊ฐ๋ฅ๋ ์ถ์ ๊ฐ)
์์ )



'๐ฅ Computer Science > ํ๋ฅ ๊ณผ ํต๊ณ' ์นดํ ๊ณ ๋ฆฌ์ ๋ค๋ฅธ ๊ธ
๊ฐ๋ฅ๋(Likehood)
๊ฐ๋ฅ๋๋ ์ฐ๋๋ผ๊ณ ๋ ๋ถ๋ฆฌ๋ฉฐ, ์ด๋ ํ ๊ฐ์ด ๊ด์ธก๋์์ ๋, ์ด ๊ฐ์ด ์ด๋ค ํ๋ฅ ๋ถํฌ๋ก๋ถํฐ ์์์ง์ ๋ํ ํ๋ฅ ์ ๋ํ๋ด๋ ๊ฐ์ ๋๋ค.
๊ฐ๋ฅ๋ ํจ์ (Likedhood Function)
n๊ฐ์ ์์์ ํ๋ณธ ์ ๋ํ ๊ด์ธก๋ ๊ฐ๋ค์ ๋ฒกํฐ [X1 = x1, X2 = x2, ...]์ ๋ํ์ฌ, ์๋ ํจ์๊ฐ ฮธ์ ๋ํ ๊ฒฐํฉ๋ถํฌ(joint distribution)์ ํจ์๋ก ๊ฐ์ฃผ๋ ๋, ์ด๋ฅผ ๊ฐ๋ฅ๋ ํจ์(likehood function)(ํน์ ์ฐ๋ ํจ์๋ผ๊ณ ๋ ํจ)๋ผ๊ณ ํฉ๋๋ค.
์ด๋ x๋ ๋ฒกํฐ( )์ด๋ฉฐ,
๊ฐ๊ฐ์ x1, x2, ..., xn๋ค์ ๋์ผํ ๋ชจ์ง๋จ์ผ๋ก๋ถํฐ ์ถ์ถ๋ Random Sample๋ก์จ,
i.i.d ์ด๋ฏ๋ก ๋ค์๊ณผ ๊ฐ์ต๋๋ค.
๊ฐ๋ฅ๋ ํจ์๋ ํน์ ํ ๋ชจ์ ฮธ๋ฅผ ๊ฐ์ง ํ๋ฅ ๋ถํฌ๋ก๋ถํฐ ํ๋ณธ๋ค์ด ๋์ฌ ํ๋ฅ ๋ค์ ๋ชจ๋ ๊ณฑํ ๊ฐ์ผ๋ก, ํด๋น ๊ฐ์ด ํด์๋ก ํด๋น ๋ชจ์๋ฅผ ๊ฐ์ง ๋ถํฌ๋ฅผ ๋ฐ๋ฅผ ํ๋ฅ ์ด ๋์์ง๋๋ค.
์ถ์ ๋(estimator)
์ถ์ ๋์ ํ๋ณธ๊ฐ๋ค๋ก๋ถํฐ ๋ชจ์์ ๊ฐ์ ์ถ์ ํ๋ ๋ฐฉ๋ฒ(ํจ์)์ ๋๋ค.
์ถ์ ๊ฐ(estimate)
์ถ์ ๊ฐ์ ์ถ์ ๋(estimator)์ ์ฌ์ฉํ์ฌ ์ธก์ ๋ ๋ชจ์์ ๊ฐ์ ๋๋ค.
์ต๋๊ฐ๋ฅ๋ ๋ฐฉ๋ฒ(์ต๋์ฐ๋๋ฒ) (Maximum Likelihood Estimator, MLE)
์ต๋๊ฐ๋ฅ๋ ๋ฐฉ๋ฒ์ ๋ค์๊ณผ ๊ฐ์ต๋๋ค.
์ ๋ฅผ ๋ค์๊ณผ ๊ฐ์ด ์ ์ํ์์ ๋,
: ๊ฐ๋ฅ๋ ํจ์๊ฐ ์ต๋๊ฐ ๋๊ฒ ํ๋
= : ๋ ์ estimator(์ถ์ ๋)
(์ด๋ , ๊ฐ๋ฅ๋ ํจ์(likehood function) = )
maximum likehood estimator (์ต๋ ๊ฐ๋ฅ๋ ์ถ์ ๋(๋ฐฉ๋ฒ))
: maximum likehood estimator of ฮธ (ฮธ์ ๋ํ ์ต๋ ๊ฐ๋ฅ๋ ์ถ์ ๋ (ํน์ ์ต๋์ฐ๋๋ฒ/์ต๋๊ฐ๋ฅ๋ ๋ฐฉ๋ฒ ๋ฑ) )
= ๋ผ ์ ์ํ์ผ๋ฏ๋ก, ์ X์ ๋ํ ํจ์๋ก ๋ํ๋ด์ด์ง๋๋ค.
maximum likehood estimate (์ต๋ ๊ฐ๋ฅ๋ ์ถ์ ๊ฐ)
์ ๊ฒฝ์ฐ์์ X= x๊ฐ ๊ด์ธก๋์์ ๋,
์ ๊ฐ : maximum likehood estimate of ฮธ (ฮธ์ ๋ํ ์ต๋ ๊ฐ๋ฅ๋ ์ถ์ ๊ฐ)
์์ )


