अधिकतम संभावना अनुमान में, आप को अधिकतम करने की कोशिश कर रहे हैं ; हालाँकि, इसे अधिकतम करना एक निश्चित लिए को अधिकतम करने के बराबर है । पी एक्स ( 1 - पी ) एन - एक्स एक्सnCx px(1−p)n−xpx(1−p)n−xx
दरअसल, गॉसियन और पोइसन की संभावना भी उनके प्रमुख स्थिरांक को शामिल नहीं करती है, इसलिए यह मामला सिर्फ w जैसे है।
ओपी टिप्पणी को संबोधित करते हुए
यहाँ थोड़ा और विस्तार है:
पहला, सफलताओं की कुल संख्या है जबकि एकल परीक्षण (0 या 1) है। इसलिए:xxi
∏i=1npxi(1−p)1−xi=p∑n1xi(1−p)∑n11−xi=px(1−p)n−x
यह दर्शाता है कि आप कारकों को कैसे प्राप्त करते हैं (उपरोक्त चरणों को पीछे की ओर चलाकर)।
निरंतर क्यों चला जाता है? अनौपचारिक रूप से, और अधिकांश लोग क्या करते हैं (मेरे सहित), बस नोटिस है कि अग्रणी निरंतर के मूल्य को प्रभावित नहीं करता है जो संभावना को अधिकतम करता है, इसलिए हम इसे अनदेखा करते हैं (प्रभावी रूप से इसे 1 पर सेट करें)।p
हम इसकी संभावना फ़ंक्शन के लॉग को ले कर प्राप्त कर सकते हैं और पा सकते हैं कि इसका व्युत्पन्न शून्य है:
ln(nCx px(1−p)n−x)=ln(nCx)+xln(p)+(n−x)ln(1−p)
व्युत्पन्न wrt लें और सेट करें :p0
ddpln(nCx)+xln(p)+(n−x)ln(1−p)=xp−n−x1−p=0
⟹nx=1p⟹p=xn
ध्यान दें कि MLE की गणना से प्रमुख स्थिरांक गिरा है।
अधिक दार्शनिक रूप से, एक संभावना केवल एक गुणा स्थिरांक के लिए अनुमान के लिए सार्थक है, जैसे कि अगर हमारे पास दो संभावना कार्य और , तो वे समकक्ष हैं। इसे लॉलीहुड का नियम कहा जाता है । इसलिए, यदि हम एक ही संभावना फ़ंक्शन का उपयोग करके विभिन्न मूल्यों की तुलना कर रहे हैं , तो अग्रणी शब्द अप्रासंगिक हो जाता है।L1,L2L1=kL2p
एक व्यावहारिक स्तर पर, संभावना फ़ंक्शन का उपयोग करते हुए निष्कर्ष वास्तव में संभावना अनुपात पर आधारित होता है, संभावना के पूर्ण मूल्य पर नहीं। यह संभावना अनुपात के स्पर्शोन्मुख सिद्धांत के कारण है (जो कि विषम रूप से ची-वर्ग है - कुछ नियमित परिस्थितियों के अधीन जो अक्सर उपयुक्त होते हैं)। संभावना अनुपात परीक्षण नेमन-पीयरसन लेम्मा के कारण इष्ट हैं । इसलिए, जब हम दो सरल परिकल्पनाओं का परीक्षण करने का प्रयास करते हैं, तो हम अनुपात लेंगे और सामान्य अग्रणी कारक रद्द कर देंगे।
नोट: ऐसा नहीं होगा यदि आप दो अलग-अलग मॉडलों की तुलना कर रहे हैं, एक द्विपद और एक पॉइसन कहें। उस स्थिति में, स्थिरांक महत्वपूर्ण हैं।
उपरोक्त कारणों में से, पहला (L का अधिकतम पता लगाने की अप्रासंगिकता) सबसे सीधे आपके प्रश्न का उत्तर देता है।