极大似然估计方法是求估计的另一种方法,1821年首先由德国数学家C.F.Gauss提出,但是这个方法通常被归功于英国的统计学家R.A.Fisher,他在1922年的论文Onthemathematicalfoundationsoftheoreticalstatistics,reprintedinContributionstoMathematicalStatistics(byR.A.Fisher),1950,J.Wiley&Sons,NewYork中再次提出了这个思想,并且首先探讨了这种方法的一些性质.极大似然估计这一名称也是费歇给的.这是一种上前仍然得到广泛应用的方法.它是建立在极大似然原理的基础上的一个统计方法,极大似然原理的直观想法是: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,则一般认为试验条件对A出现有利,也即A出现的概率很大.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)解似然方程极大似然估计,只是一种概率论在统计学的应用,它是参数估计的方法之一.说的是已知某个随机样本满足某种概率分布,但是其中具体的参数不清楚,参数估计就是通过若干次试验,观察其结果,利用结果推出参数的大概值.极大似然估计是建立在这样的思想上:已知某个参数能使这个样本出现的概率最大,我们当然不会再去选择其他小概率的样本,所以干脆就把这个参数作为估计的真实值.当然极大似然估计只是一种粗略的数学期望,要知道它的误差大小还要做区间估计.