normal
mu sigma2
n logl
return (-log1)
上面的theta是指需要估計的正態分佈的均值和方差，logl是似然值，之所以返回負數是因為後面用到的優化似然值的函式是最小化函式。
optim(initial valurs of theta, likelihood function,data)
因此，我們這裡的優化結果就可以通過下面的語句給出來：
result
result中包含對於theta的估計值，以及優化之後的似然值，其他返回值可以看該函式的文件
也可以採用其他的函式進行估計，比如maxlik包是乙個專門用來進行較大似然估計的，其中的maxlik()函式也可以對於給定的似然函式進行優化，比如說上面的正態分佈似然函式normal()，可以直接輸入到maxlik()函式中進行估計，不過需要注意的是該函式預設是正的似然函式值，而且不是在函式中輸入資料，因此normal()函式需要做一些修改如下：
normal
mu sigma
logl
return (logl)
對於給定的資料 x
result
得到的結果如下：
print(result)
maximum likelihood estimation
newton-raphson maximisation, 8 iterations
return code 1: gradient close to zero
log-likelihood: -2117.389 (2 free parameter(s))
estimate(s): 1.007240 2.010635
可見，雖然在maxlik()函式中給出的初始值是錯誤的，但是最後得到的估計值非常接近真值。
二分法求最大似然估計r語言 數理統計引數估計
1.引數矩估計 相合估計不唯一，矩估計一般都具有相合性。極大似然估計不一定是唯一的。極大似然估計的唯一性取決於似然函式的性質。如果似然函式的最大值點唯一，那麼似然估計就是唯一的。否則，不唯一。有些極大似然估計比較難求，確定乙個初始值可用em演算法迭代給出。2.一致最小方差無偏估計 uniformly...
二分法最大匹配
關鍵在於如何尋找增廣路徑 初始時最大匹配為空 for 二分圖左半邊的每個點i do 從點i出發尋找增廣路徑。如果找到，則把它取反 即增加了總了匹配數 如果二分圖的左半邊一共有n個點，那麼最多找n條增廣路徑。如果圖中共有m條邊，那麼每找一條增廣路徑 dfs或bfs 時最多把所有邊遍歷一遍，所花時間也就...
求方程根 （二分法）
二分法求方程的根 求下面方程的乙個根 f x x3 5x2 10x 80 0 若求出的根是a，則要求 f a 10 6 解法 對f x 求導，得f x 3x2 10x 10。由一元二次方程求根公式知方呈f x 0 無解，因此f x 恆大於0。故f x 是單調遞增的。易知f 0 0且f 100 0,所...