最大似然的不变性

🏠 数理统计概念导航

核心问题

我要估计的不是 本身，而是 、、某个”性能指标”——要重新推一遍吗？

不用。最大似然有一条别的方法都没有的好性质：估计量可以直接穿过任意函数。

核心定义 / 定理 / 结论

一、不变性原理

用法完全机械：

二、为什么成立（一句话）

单调时最直白： 在 处取最大 以 为参数重新参数化后， 似然在 处取最大——似然函数的图形没变，只是横轴换了刻度，峰顶还是那个点。

不单调时用”诱导似然” 定义，结论仍成立。 考研只需要会用，不需要证。

三、题型识别：这些提法就是在考不变性

四、反向用法：换元求解

参数以复杂形式出现时，给整体起个名字，求它的 MLE，再变回去：

题目里的形式	换元	换回

五、三个必须记住的成品

六、最重要的对照：只有 MLE 有不变性

反例俯拾皆是：

	对 无偏		对 无偏？
	✓		✗（）
	✓		✗（）
（泊松）	✓		✗

置信区间也有一种”不变性”： 严格单调时区间两端点直接代入即可（见置信区间）。 所以三个性质里，只有无偏性穿不过非线性函数。

典型题型

1. 泊松分布问 或 —— 先 ，再代。
2. 给一个复杂的 —— 直接代 ，不要对 求导。
3. 参数是比值（如红黑球比 ） —— 先估概率 ，再由 换算。
4. 参数以 等形式出现 —— 换元求 MLE 再换回。

图示 / 直觉

似然曲线被”重新贴标签”，但峰的位置（那个具体的数据配置）没变。 所以峰顶在 轴上叫 ，在 轴上就叫 。

对比无偏性：它回答的是”平均下来对不对”，而平均值会被非线性函数扭曲（詹森不等式）， 所以无偏性经不起换元。

常见误用

1. 对 重新求导优化 —— 完全没必要，也常常做错。
2. 把不变性用在无偏估计上 —— 无偏没有不变性。
3. 以为 必须单调 —— 不需要。
4. 换元后忘了换回去 —— 求 时算出的是 ，要再除 。
5. 题目问”无偏估计”却答 MLE 代入的结果 —— 两个问题两套规则。

与旧知识的连接

• 最大似然估计 —— 本篇是它的一条性质。
• 无偏性 —— 对照组：没有不变性。
• 置信区间 —— 在严格单调变换下整体搬家，也是一种不变性。
• 随机变量函数的分布 —— 要算 的分布时才需要它；只求估计量则不必。

题型训练

• 最大似然的不变性：估计参数的函数
• 离散总体的计数似然
• 均匀分布族与极值统计量

链接

• 上游：最大似然估计
• 平行：无偏性 · 相合性
• 下游：置信区间
• 章节导航：数理统计