Ein statistisches Entscheidungsprinzip, das Parametervariablen (oder Hypothesen) auswählt, die die Likelihood‑Funktion maximieren — die Wahrscheinlichkeit (bzw. Dichte) der beobachteten Daten gegeben das parametrisierte Modell — d. h. θ̂ = argmax_θ L(θ; Daten). Es setzt ein explizites probabilistisches Modell voraus und verwendet die Likelihood als Zielfunktion für Punktschätzungen.

Prinzip

Für ein gegebenes paramet­risches Modell wird der Parameterwert gewählt, der die beobachteten Daten gemäß diesem Modell am wahrscheinlichsten macht; unter Regularitätsbedingungen und wachsendem Stichprobenumfang sind Maximum‑Likelihood‑Schätzer konsistent und asymptotisch effizient, doch diese Eigenschaften hängen von Modellkorrektheit und technischen Voraussetzungen ab.

Demonstration

Illustratives Szenario: Beobachtungen x1,...,xn sind iid normalverteilt mit unbekanntem Mittelwert μ und bekannter Varianz σ^2. Die Likelihood wird bei μ̂ = (1/n)∑xi maximiert, sodass der Stichprobenmittelwert der Maximum‑Likelihood‑Schätzer für μ ist; die Berechnung erfolgt durch Differenzieren der Log‑Likelihood.

Fehlanwendung

Die Maximallikelihood als Wahrscheinlichkeit zu deuten, dass ein Parameterwert wahr ist (Verwechslung von Likelihood und posteriorer Wahrscheinlichkeit) oder den ML‑Schätzer ungeachtet von Modellfehlanpassung oder kleinen Stichproben als zuverlässig anzusehen, sind typische Fehler; der semantische Fehler ist die Verwechslung von modellbedingter Plausibilität mit absoluter Parameterwahrscheinlichkeit.

Konsequenz

ML liefert Punktschätzer, die oft gute großstichprobenmäßige Eigenschaften besitzen, und bildet die Grundlage für Tests und Konfidenzintervalle (über die Fisher‑Information); Schätzer können jedoch verzerrt, hochvariabel, multimodal oder undefiniert sein bei Modellfehlanpassung oder endlichen Stichproben und erfordern in komplexen Modellen numerische Optimierung.

Umkehrung

Bei Modellfehlspezifikation, Nichtidentifizierbarkeit der Parameter, geringen Datenmengen oder flacher/multimodaler Likelihood kann ML schlecht abschneiden; in solchen Fällen sind regularisierte, penalized oder bayesianische Schätzer (die Priors oder Nebenbedingungen einbeziehen) oft vorzuziehen.

Abgrenzung

Gilt für inferenzielle Probleme mit einer wohldefinierten parametrischen Likelihood und identifizierbaren Parametern; es liefert nicht automatisch Intervallaussagen über Parameterunsicherheit ohne asymptotische Näherung oder bayesianischen Rahmen und ist nicht anwendbar, wenn keine Likelihood definiert werden kann.

Semantische Spannung

Likelihood‑basierte Inferenz ↔ Bayessche Inferenz: ML nutzt nur die datenbedingte Likelihood und liefert Punktschätzer, während bayessche Methoden Likelihood und Vorwissen kombinieren, um vollständige probabilistische Aussagen zu erzeugen — die Wahl hängt davon ab, ob Vorinformation und kohärente Unsicherheitsdarstellung gewünscht sind.

Synthese

Maximum Likelihood wählt Parameter, die die beobachteten Daten unter einem Modell am besten erklären — es ist eine datengetriebene Optimierung, deren Zuverlässigkeit von Modellkorrektheit, Identifizierbarkeit und Stichprobengröße abhängt; es ist ein grundlegendes, aber modellabhängiges Werkzeug, kein absoluter Wahrheitsindikator.