极大似然原理就是寻求参数的估计值使得所给样本值 的概率密度(即似然函数)的值在这个参数值之下,达到最 大。在当前的情形下,就是寻求y的估计值,使得似然函数 L(y;v)相对于给定的观测值y,y2,…,yr而言达到最大值, y就被称为极大似然估计量。 在L(v;v)关于v(i=1,2,…,n,h是未知参数的个数) 的偏导数存在时,要使(v;y取最大值,v必须满足 L(y;y)=0 1,2,n(8.1.2) 由上式可解得n×1向量v的极大似然估计值ψ,而式(8.1.2)也 被称为似然函数。4 极大似然原理就是寻求参数的估计值 ，使得所给样本值 的概率密度（即似然函数）的值在这个参数值之下，达到最 大。在当前的情形下，就是寻求 的估计值，使得似然函数 L(y ;) 相对于给定的观测值y1 , y2 , … , yT 而言达到最大值， 就被称为极大似然估计量。 在 L(y ;) 关于i（i =1, 2, …, n，n是未知参数的个数） 的偏导数存在时，要使 L(y ;) 取最大值， 必须满足 , i =1, 2, …, n （8.1.2） 由上式可解得n1 向量 的极大似然估计值 ，而式(8.1.2)也 被称为似然函数。 ψ ˆ ψ ˆ ψ ˆ ( ; ) = 0   L y ψ  i