极大似然估计法是基于极大似然原理提出的，为了说明极大似然原理，我们先看个例子

例子： 1、某同学与一位猎人一起外出打猎。忽然，一只野兔从前方窜过，只听一声枪响，野兔应声倒下，若你推测一下，是谁击中了野兔，你会怎样想 2、有一时间A，我们知道它发生的概率p只可能是：

若在一次观测中，事件A发生了，试让你推想一下p取何值

概率大的事件在一次观测中更容易发生； 在一次观测中发生了的事件其概率应该大

的形式为已知，θ为待估参数，Θ是θ可能取值的范围。

设X1,...,Xn是来自X的样本；则X1,...,Xn的联合函数

又设x1,...,xn是X1,...,Xn的一个样本值，易知样本X1,...,Xn取x1,...,xn的概率，亦即事件{X1=x1,...,Xn=xn}发生的概率为：

它是θ的函数，L(θ)称为样本的似然函数。

由极大似然估计法：x1,...,xn;挑选使概率L(x1,...,xn;θ)达到最大的参数，作为θ的估计值即取

使得

&\hatθ与x1,...,xn有关，记为

称其为参数θ的最大似然估计值

称为参数θ的最大似然估计量

的形式已知，θ为待估参数

则X1,...,Xn的联合密度

的最大值，这里L(θ)称为样本的似然函数，若

则称

为θ的最大似然估计值，称

为θ的最大似然估计值

一般，p(x;θ),f(x;θ)关于θ可微，故θ可由下式求得

又因L与lnL在同一θ处取到极值，因此最大似然估计θ也可从下述方程解得：

若总体分布中包含多参数，即可令

解k个方程组求的θ的最大似然估计值

设总体X服从参数为\lamda的指数分布，（x1,x2,...,xn）为样本观察值，求\lamda的最大似然估计值 解：总体X的概率密度函数为:

设总体X分布律为：

求参数p的最大似然估计量