释放双眼，带上耳机，听听看~！
- 极大似然估计
- 极大似然估计是点估计的一种常用方法，基本思想是利用已知的样本结果信息，反推最具有可能导致这些样本结果出现的模型参数值。提供了一种用给定数观察数据来评估模型参数的方法，也就是：模型已定，参数未知。
- $latex$ $x_1,x_2,…,x_n$是样本值，事件${X_1=x_1,X_2=x_2,…,X_n=x_n}$发生的概率为
- ${L(\theta)}{{}=\prod_{i=1}^{n}p(x_{i};\theta)}$
- 是样本的似然函数，使似然函数取最大值的参数值就是对总体参数的极大似然估计值。其中：
- $p(x_i;\theta)=\begin{cases}\text{分布列}&\text{离散型}\\text{概率密度}&\text{连续型}\end{cases}$