একটি কারণ হ'ল সর্বাধিক সম্ভাবনা অনুমান করা সহজ: আপনি সম্ভাবনাগুলি তৈরি করার জন্য প্যারামিটারগুলিকে শূন্য করে এবং প্যারামিটারগুলির সমাধান করেন। প্রত্যাশা নেওয়া মানে প্রতিটি প্যারামিটারের সম্ভাবনার সময়গুলি সংহত করা।
আর একটি কারণ হ'ল ঘাতক পরিবারগুলির সাথে সর্বাধিক সম্ভাবনা অনুমান একটি প্রত্যাশা গ্রহণের সাথে মিল। উদাহরণস্বরূপ, সর্বাধিক সম্ভাবনার স্বাভাবিক বিতরণ ফিটিং ডেটা পয়েন্টগুলি mean এর অর্থ এবং দ্বিতীয় মুহূর্ত ।। xআমি}μ = ই( এক্স )χ = ই( এক্স2)
কিছু ক্ষেত্রে সর্বাধিক সম্ভাবনা পরামিতি প্রত্যাশিত সম্ভাবনা প্যারামিটারের সমান। উদাহরণস্বরূপ, উপরের সাধারণ বিতরণের প্রত্যাশিত সম্ভাবনার গড়টি সর্বাধিক সম্ভাবনার সমান কারণ কারণ গড়ের পূর্ববর্তীটি স্বাভাবিক, এবং একটি সাধারণ বিতরণের মোড এবং গড় এক হয়। অবশ্যই এটি অন্য প্যারামিটারের জন্য সত্য হবে না (তবে আপনি এটি প্যারামাইট্রাইজ করেন)।
আমি মনে করি সবচেয়ে গুরুত্বপূর্ণ কারণ সম্ভবত আপনি কেন প্যারামিটারগুলির একটি প্রত্যাশা চান? সাধারণত, আপনি একটি মডেল শিখছেন এবং প্যারামিটারের মানগুলি আপনি চান। আপনি যদি একক মান ফেরত দিতে যাচ্ছেন, তবে সর্বোচ্চ সম্ভাবনা আপনি কী সেরা ফিরিয়ে দিতে পারবেন না?