一、介绍极大似然估计的基本想法

极大似然估计中的想法非常自然:就是最有可能事情最容易发生，或者概率最大的事情最容易发生。因此，在看待任何一组随机试验结果时候，都可以认为是最有可能的事情发生了，而最有可能这个想法在数学中实现其实就是函数的极值问题。例如，这样一个问题:在一个不透明的袋子中有5个球，有白色和红色，除了颜色不一样以外剩下都一样。有放回的任取3次球，结果是:白球、红球、白球，请估计一下袋子中有几个白球?这个问题非常简单直观，向学生提问以后，很多学生都会回答:估计白球有3个，或者一部分学生会回答:估计白球3个或4个。进一步提问学生为什么这样估计，学生一般会回答:这样最有可能。此时就可以提示学生这就是极大似然估计的基本思想，是非常自然质朴的，每个人可能在不自觉中就使用了极大似然估计。现在需要的就是把这种思想转换成数理统计模型，并用数学方法解出来，这也是学习中非常重要的能力，把一般问题的数学模型给出来，并会分析解答。

二、统计模型的建立与求解

上一例题中，试验结果可以用服从两点分布随机变量来表示，X=1取到白球0{取到红球，X～B(1，p)，p为白球的比例，p的可能取值为:{05，15，25，35，45，55}．而试验的结果是:白球、红球、白球的可能性为p(X1=1，X2=0，X3=1)=p2(1－p)，如果要使这一结果的出现可能性最大，即p2(1－p)要取值最大，则估计p^=35，即估计白球有3个。把这一模型用更抽象语言来描述就是X1，X2，…Xn为一个容量为n的简单随机样本，来自总体分布F(θ)，其中θ为未知参数，在θ的取值空间上找到一点^θ，使的样本取值发生的概率最大，则^θ为θ的极大似然估计值。其中样本取值的发生的概率，离散型的数据用样本的联合分布率来表示，连续型的数据用样本联合密度函数来表示，统称为似然函数。最后模型求解就转化为在θ的取值空间上求似然函数的极大值问题，常见的求函数极值方法有:如上一例题中的代入法;考虑函数单调性，导数为零的点有可能是极值点;函数定义域的边界点有可能是极值点，等等。

三、容易出现的理解误区

极大似然估计方法中，在求似然函数极大值时候，由于似然函数是边缘分布的连乘形式，因此在对似然函数直接求导讨论其单调性时，其求导结果较为复杂，不容易直接讨论。往往需要先对似然函数取对数，把连乘形式改成连加形式，然后再求导，求导结果相对简单，利于讨论单调性。这样做只是数学上的一个处理技巧，因为对数似然函数是一个复合函数，外层对数函数是单增函数，不改变里层似然函数的单调性。而同学们可能对这个数学处理技巧理解出现误区，把极大似然估计理解为一套算法，一组公式，死记硬背，时间长了就没有印象了。这样的学习效果对以后的进一步学习或应用此方法解决问题起不到良好的作用。相反的是，应让同学对极大似然估计的基本思想掌握牢固，并且极大似然估计的想法本身也很自然直接，而求似然函数的极值问题只不过是数学上的处理技巧，各种手段都可能用上，多加锻炼几次即可。如果同学对极大似然估计的想法理解透彻，不拘于具体数学解法，则有助于长时间和进一步地理解更为深刻的知识点，为将来学习和工作需要打下良好的基础。

四、结束语

总之，在数理统计的教学中给学生讲授新的知识点时，主要的是对知识点基本思想的理解，让同学理解记忆知识点的内容，最后达到灵活地应用所学内容，拓展思维能力，锻炼解决技巧。

作者：徐晨单位：东北大学