极大似然估计的解释

　　极大似然估计是根据样本(x₁,x₂，…，x_i，…，x_n)的值来估计样本模型中参数（θ1,θ2，…，θi，…，θn）的。是一种参数估计方法。
　　其中，似然是似然函数的简称。可由L(x₁,x₂，…，x_i，…，x_n,θ₁,θ₂，…，θ_i，…，θ_n )来表示。实际上，样本一旦确定，人们一般会假设一个可拟合这些样本的模型，即参数个数是确定的，待求的是参数的具体值。比如，基于班上同学的身高数据，一般会假设身高是符合正态分布(μ,σ)，待求的是这两个参数具体的值。
　　那么，如何基于已有的样本数据来求得模型中参数得具体值呢？
　　极大似然估计的意思是说，你只要能使L(x₁,x₂，…，x_i，…，x_n,θ₁,θ₂，…，θ_i，…，θ_n )最大，你的参数θ₁,θ₂，…，θ_i，…，θ_n 就是有效的。
　　以身高样本为例（假定身高样本是独立同分布的）。即当L(x₁,x₂，…，x_i，…，x_n,μ,σ )最大时，(μ,σ)被估计的是准确的。
　　求极大似然函数估计值的一般步骤：
　　（1） 写出似然函数；
　　（2） 对似然函数取对数，并整理；
　　（3） 求导数 ；
　　（4）导数为零时，似然函数取得极大值 。