推广到更为一般的场景，基于参数θ\thetaθ，样本Xi(i=1,2,...n)X_i\left( i=1,2,...n \right)Xi(i=1,2,...n)出现的概率为Pi(θ;Xi)P_i(\theta ;X_i)Pi(θ;Xi)，似然函数的一般形式可以用下面公式来表示，即各个样本发生的概率的乘积。L(θ;X)=P1(θ;X1)×P2(θ;X2)...×Pn(θ;Xn)=∏Pi(θ;Xi)L(\theta ;X)=P_1(\theta ;X_1)\times P_2(\theta ;X_2)...\times P_n(\theta ;X_n)=\prod{P_i}(\theta ;X_i) L(θ;X)=P1(θ;X1)×P2(θ;X2)...×Pn(θ;Xn)=∏Pi(θ;Xi)
推广到更为一般的场景，基于参数θ\thetaθ，样本Xi(i=1,2,...n)X_i\left( i=1,2,...n \right)Xi(i=1,2,...n)出现的概率为Pi(θ;Xi)P_i(\theta ;X_i)Pi(θ;Xi)，似然函数的一般形式可以用下面公式来表示，即各个样本发生的概率的乘积。
L(θ;X)=P1(θ;X1)×P2(θ;X2)...×Pn(θ;Xn)=∏Pi(θ;Xi)L(\theta ;X)=P_1(\theta ;X_1)\times P_2(\theta ;X_2)...\times P_n(\theta ;X_n)=\prod{P_i}(\theta ;X_i) L(θ;X)=P1(θ;X1)×P2(θ;X2)...×Pn(θ;Xn)=∏Pi(θ;Xi)
^e4b26f
