1.直观想法：
一个随机试验如有若干个可能的结果A，B，C，... ，若在一次试验中，结果A出现了，那么可以认为出现的概率P(A)较大。
举例：设甲箱中有99个白球，1个黑球；乙箱中有1个白球．99个黑球。现随机取出一箱，再从抽取的一箱中随机取出一球，结果是黑球，这一黑球从乙箱抽取的概率比从甲箱抽取的概率大得多，这时我们自然更多地相信这个黑球是取自乙箱的。
一般说来，事件A发生的概率与某一未知参数
有关，取值不同，则事件A发生的概率
也不同，当我们在一次试验中事件A发生了，则认为此时的值应是t的一切可能取值中使达到最大的那一个，极大似然估计法就是要选取这样的t值作为参数t的估计值，使所选取的样本在被选的总体中出现的可能性为最大。
最大似然估计的目的就是：利用已知的样本结果，反推最有可能（最大概率）导致这样结果的参数值。
2.原理：
极大似然估计是建立在极大似然原理的基础上的一个统计方法，是概率论在统计学中的应用。极大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。通过若干次试验，观察其结果，利用试验结果得到某个参数值能够使样本出现的概率为最大，则称为极大似然估计。
3.最大似然估计法的计算步骤：
（1）写出样本观测值的概率，即样本似然函数
对于离散型随机变量：
对于连续型随机变量：
（2）利用导数求解似然函数的最大值:
