
طريقة إحصائية لتقدير المعلمات عن طريق تعظيم دالة الاحتمال.تقدير الاحتمال الأقصى (MLE) هو حجر الزاوية في الاستدلال الإحصائي. فهو يوفر طريقة مبدئية لاختيار معلمات التوزيع الاحتمالي التي تفسر البيانات المرصودة على أفضل وجه. بالنظر إلى مجموعة من نقاط البيانات ونموذج مرشح (مثل توزيع طبيعي بمتوسط وتباين غير معروفين)، يختار MLE قيم المعلمات التي تجعل البيانات المرصودة أكثر احتمالاً في ظل هذا النموذج. ويتم قياس هذا "الأكثر احتمالاً" من خلال دالة الاحتمال، التي تقيس مدى احتمالية البيانات كدالة للمعلمات.
قدم هذه الطريقة رونالد فيشر في عشرينيات القرن العشرين، بناءً على أعمال سابقة لكارل فريدريش غاوس وآخرين. قام فيشر بصياغة المفهوم وأثبت خصائصه المرغوبة، مثل الاتساق والكفاءة.
تُبنى دالة الاحتمال L(θ | البيانات) كحاصل ضرب احتمالات (أو كثافات الاحتمال) لكل نقطة بيانات مرصودة، بافتراض متجه المعلمات θ. يجد MLE قيمة θ التي تعظم هذا الحاصل. عملياً، غالباً ما يتم تعظيم لوغاريتم الاحتمال (اللوغاريتم الطبيعي لـ L) لأنه يحول الحاصل إلى مجموع، مما يسهل الاشتقاق ويجعله أكثر استقراراً عددياً. يتم إيجاد القيمة العظمى بوضع مشتقة اللوغاريتم بالنسبة إلى θ مساوية للصفر وحل المعادلة، أو باستخدام خوارزميات التحسين العددي التكرارية عندما لا يوجد حل مغلق.
تقدير الاحتمال الأقصى واسع الانتشار في العلوم والهندسة: فهو يدعم تحليل الانحدار، وتدريب الشبكات العصبية (عبر دالة الخسارة عبر الإنتروبيا)، وتقدير المعلمات في تجارب الفيزياء، من فيزياء الجسيمات إلى علم الكونيات.
تقدير الاحتمال الأقصى ليس دائماً غير متحيز: على سبيل المثال، تقدير الاحتمال الأقصى لتباين التوزيع الطبيعي يكون منحرفاً نحو الأسفل بعامل (n-1)/n، ولهذا يستخدم تباين العينة n-1.
















