# I am the Watcher. I am your guide through this vast new twtiverse.
#
# Usage:
# https://watcher.sour.is/api/plain/users View list of users and latest twt date.
# https://watcher.sour.is/api/plain/twt View all twts.
# https://watcher.sour.is/api/plain/mentions?uri=:uri View all mentions for uri.
# https://watcher.sour.is/api/plain/conv/:hash View all twts for a conversation subject.
#
# Options:
# uri Filter to show a specific users twts.
# offset Start index for quey.
# limit Count of items to return (going back in time).
#
# twt range = 1 1
# self = https://watcher.sour.is/conv/fk35tpq
参数估计：最大似然估计 (Maximum Likelihood Method - MLM)
上一篇文章里， 我们大概了解了基本的统计建模。这一篇文章我们来谈谈参数估计。
大家熟知的概率分布的类型，比如说泊松分布里有参数， 
\\lambda ；伽玛分布里有参数， 
\\alpha 和 \\lambda 。 最开始大家做题里，这些参数都是已知的，可当我们想自己做统计建模时，我们又该如何得到这些参数？
答案就是：参数估计。参数估计的方法有很多，今天和大家分享其中一种：最大似然估计 (Maximum Likelihood Method - MLM)。
最大似然估计的原理是根据概率密度函数或质量函数，计算最高概率产生观察数据的估量参数。
公式也很简单：
![L(\\theta) = \\prod_{n}^{ ... ⌘ Read more=_