這是值得嘗試做MLE時，我在Matlab注意到。我的第一個估計人員使用了pdf的對數似然值，並將其作爲總和。例如，日誌韋伯PDF (f(x)=b ax^(a-1)exp(-bx^a))打散是：如果我將對數似然分解爲其總和，MLE似然評估如何不同？
log_likelihood=log(b)+log(a)+(a-1)log(x)-bx^a
評價這是此完全不同：
log_likelihood=log(bax^(a-1)exp(-bx^a))
什麼是計算機在兩個階段做不同？第一個給出了一個更大的數字（幾個數量級）。
我上實現進化樹的最大似然科學的軟件項目工作，並始終如一地碰上有關數值精度的問題。通常情況下，descepency是...
這真的一切都歸結到三個號，甚至你的情況。在計算過程中縮放其指數時，小數和大數的多重處理會導致出現奇怪的結果。在（着名的）「What Every Computer Scientist Should Know About Floating-Point Arithmetic」中有很多關於這個的。但是，我所提到的就是缺點，如果這就是你所感興趣的全部。
總而言之，你所看到的問題嚴格來說就是在計算浮點/雙精度數字和運算時的數值問題功能。我對MATLAB不太熟悉，但它們可能有一個任意精度類型，可以給你更好的結果。
從除此之外，讓他們象徵性的儘可能長的時間，如果你有關於這些變量的大小任意直覺（如a總是很相比大x），然後確保你明智地選擇括號的順序。
第一個方程應該是更好，因爲它在處理增加log s，而應該有更穩定之後，第二--although x^a讓我有點厭倦，因爲它會主宰方程，但在實踐中會不管怎麼說。
此鏈接非常有用謝謝。 – diplodocuscoffeespot
根據您使用的號碼，這可能是一個數字的問題：如果你有非常小的數字組合非常大的數字，你可以得到不準確由於數字精確度的限制。
一種可能性是，你失去了一些精度在第二種情況下，因爲你是在不同尺度上操作。
這聽起來像是怎麼回事。 – diplodocuscoffeespot
下面的答案可能是正確的，但它無法告訴，因爲你沒有用，實際上可以運行重現該問題的代碼提供給我們。對於一些問題，很難給出一個簡短的可重複的例子，但在這種情況下它應該是微不足道的。 –
diplodo，如果他們回答您的問題，請接受其中一個答案。謝謝。 – Bitwise