最小二乘与最大似然估计之间的关系

          1、结论

              测量误差（测量）服从高斯分布的情况下， 最小二乘法等价于极大似然估计。

          2、最大似然估计

              最大似然估计就是通过求解最大的（1）式得到参数，其中 L 函数称为参数的似然函数，是一个概率分布函数。

              似然估计的思想是：测量值 X 是服从概率分布的，求概率模型中的参数，使得在假设的分布下获得该组测量出现概率最大：

              例如：通过一次测量得到1.9、1.9、2.0、2.1、2.0、1.9、1.5、2.5、2.0、2.0，

                      通过直觉我们发现这组测量比较符合期望为2的高斯分布。

                      要不然，为什么取值都在2附近呢，为啥测量数据中没有（很少）1.0、5.0呢？也就是说，可以认为我的这些测量

                      是符合某个概率分布的（这个例子中为高斯分布），测量值中得到2附近值的概率比较大。

               例如：一个箱子里有红球和黑球，通过10次放回抽取实验得到的结果为：8次黑球、2次红球。问箱子中黑球的比例？

                      这个例子中箱子里只有红球和黑球，可以假设黑球的比例为 p ，那么红球的概率为（1-p），

                      那么10次实验中8次黑球、两次红球的概率为：