目录
一、公式
二、如何理解
三、参考
一、公式
1、离散型
2、连续型
二、如何理解
直观意义：刻画参数
与数据的匹配程度。极大似然估计法原理就是固定样本观测值
，选择参数,使 
最大。通俗来说，就是已知观测值请你解释这个样本空间为什么会是这样子的。那怎么解释呢？使用极大似然估计就能解释。举个栗子：
暗箱中放有n个黑白小球，我们不知道黑球白球各为多少。那在不能打开的情况下如何估计黑球多少个呢？抽样！！！，我们随机有放回抽样n次，得到n1个黑球，n2个白球。当然我们立即可以得出比较科学的结论，黑球大概n1个，白球n2个。那理论支撑在哪？这是我们最为直观的结论，黑球的概率为 n1/n 。下面我们用极大似然来估计一下。
首先记黑球的概率为 ，则白球概率为 
，因为抽样结果是确定的，所以有我们理应可以找到 使得发生抽取的样本这件事的概率为1，即 
为 1，所以为什么是极大而不是极小似然估计！但是1是最大值，往往我们退而求次求极大值即可，即两边加上 ln 求导为0解出 即可，最后求到的 
,这就通过一种方法求到的结果就与我们的直觉一样了。
三、参考
https://blog.csdn.net/qq_38675397/