Professional Documents
Culture Documents
Programa de doctorado en Estadstica, Anlisis de datos y Bioestadstica Fundamentos de Inferencia Estadstica Jordi Ocaa Rebull
Departament dEstadstica Divisi de Cincies Experimentals i Matemtiques
Contenido
Concepto de estimacin de mxima
verosimilitud (MLE) Relacin con la suficiencia Equivariancia Obtencin prctica de MLE. Ecuaciones de verosimilitud Mtodos numricos de obtencin de MLE Algoritmo de Newton-Raphson
para un parmetro q Q , una estimacin de mxima verosimilitud es Q tal que un valor q ) = max L (q ) L (q
q Q
Escoger aquel valor que d las mximas oportunidades a los hechos observados Fisher en su formulacin actual, orgenes en el siglo XVIII (Bernouilli, Lambert)
valores matemticamente admisibles A menudo sin expresin cerrada, para y concreto buscar numricamente max L
estimacin MLE de q, q . Entonces se puede afirmar que es funcin de cualquier estadstico suficiente: = h (T (y )) T (y ) suficiente para q q
Consecuencia del teorema de factorizacin Maximizar L (q ) f (y ; q ) equivale a maximizar L (q ) g (t ; q )
Equivariancia
La MLE es invariante frente a
MLE de q q
) MLE de y (q ) y (q
log-verosimilitud, l, cosa que suele ser ms fcil. El problema se suele reducir a resolver las ecuaciones de d verosimilitud l (q ) = 0 dq
2 d Slo condicin necesaria. Estudiar ) l (qtambin las segundas derivadas,d q (d q )' q= q
el algoritmo de Newton-Raphson
Algoritmo de Newton-Raphson
(expresin general)
Objetivo: solucionar la ecuacin g(x)=0 Procedimiento: valor inicial x0 propuesto como solucin aproximada iteracin con sucesivas soluciones aproximadas x0, x1, ..., xs, ... Mediante
xs + 1 = xs -
- 1 d g (x s ) g (x s ) dx
Algoritmo de Newton-Raphson
(aplicado a la estimacin MLE)
q s+ 1
d d = qs - l (qs ) l q ( s ) dq d q d q '
2
- 1
dq
l (q ) < e