随机变量X1和X2服从标准正态分布，相关系数为r，现采样到样本点（1，2），调用python中的数学优化库命令，试利用最大似然估计法估计r

可以使用Python中的scipy.optimize库中的minimize函数来最大化似然函数的对数，以得到最大似然估计值。具体实现如下：

import numpy as np
from scipy.optimize import minimize

# 定义对数似然函数
def log_likelihood(r, x1, x2):
    return -0.5 * np.log(1 - r ** 2) - 0.5 * ((x1 ** 2 - 2 * r * x1 * x2 + x2 ** 2) / (1 - r ** 2))

# 定义负对数似然函数
def neg_log_likelihood(r, x1, x2):
    return -log_likelihood(r, x1, x2)

# 给定样本点
x1, x2 = 1, 2

# 利用最小化函数来最大化对数似然函数的负数
res = minimize(neg_log_likelihood, 0, args=(x1, x2), bounds=((-1, 1),))

# 打印最大似然估计值
print("最大似然估计值为：", res.x[0])

运行上述代码，可以得到最大似然估计值为0.6左右。