estimaci n de m xima verosimilitud n.
Download
Skip this Video
Download Presentation

Loading in 2 Seconds...

play fullscreen
1 / 10

- PowerPoint PPT Presentation


  • 208 Views
  • Uploaded on

Estimación de máxima verosimilitud. Programa de doctorado en Estadística , Análisis de datos y Bioestadística Fundamentos de Inferencia Estadística Jordi Ocaña Rebull. Contenido. Concepto de estimación de máxima verosimilitud (MLE) Relación con la suficiencia Equivariancia

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about '' - Sophia


Download Now An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
estimaci n de m xima verosimilitud

Estimación de máxima verosimilitud

Programa de doctorado en Estadística, Análisis de datos y Bioestadística

Fundamentos de Inferencia Estadística

Jordi Ocaña Rebull

Departament d’Estadística

Divisió de Ciències Experimentals i Matemàtiques

contenido
Contenido
  • Concepto de estimación de máxima verosimilitud (MLE)
  • Relación con la suficiencia
  • Equivariancia
  • Obtención práctica de MLE. Ecuaciones de verosimilitud
  • Métodos numéricos de obtención de MLE
  • Algoritmo de Newton-Raphson
concepto de estimaci n de m xima verosimilitud mle
Concepto de estimación de máxima verosimilitud MLE
  • Dada una función de verosimilitud L para un parámetro , una estimación de máxima verosimilitud es un valor tal que
    • “Escoger aquel valor que dé las máximas oportunidades a los hechos observados”
    • Fisher en su formulación actual, orígenes en el siglo XVIII (Bernouilli, Lambert)
comentarios sobre el concepto de estimaci n mle
Comentarios sobre el concepto de estimación MLE
  • Q no tiene por que ser numérico
  • Puede no existir
  • Puede no ser única
    • Pero en general existe y es única. Entonces se puede hablar con propiedad de “la” MLE
  • Maximización sobre Q, no sobre los valores matemáticamente admisibles
  • A menudo sin expresión cerrada, para y concreto buscar numéricamente max L
relaci n con la suficiencia
Relación con la suficiencia
  • Supongamos que existe una (o “la”) estimación MLE de q, . Entonces se puede afirmar que es función de cualquier estadístico suficiente:
    • Consecuencia del teorema de factorización
    • Maximizar equivale a maximizar
equivariancia
Equivariancia
  • La MLE es invariante frente a transformaciones biyectivas:
  • Si y no biyectiva lo anterior cierto si se considera verosimilitud inducida:
obtenci n pr ctica de mle ecuaciones de verosimilitud
Obtención práctica de MLE. Ecuaciones de verosimilitud
  • Maximizar L equivalente a maximizar la log-verosimilitud, l, cosa que suele ser más fácil. El problema se suele reducir a resolver las “ecuaciones de verosimilitud”
    • Sólo condición necesaria. Estudiar también las segundas derivadas,
  • Si no, estudio detallado de L o l
m todos num ricos de obtenci n de mle
Métodos numéricos de obtención de MLE
  • Estos problemas son tema importante de la Estadística computacional
  • Dos situaciones distintas:
    • Obtención directa del máximo de L o de l
    • Si es posible derivar analíticamente l: solución numérica de las equaciones de verosimilitud (problema más fácil)
  • Muchas técnicas aplicables: básica es el algoritmo de Newton-Raphson
algoritmo de newton raphson expresi n general
Algoritmo de Newton-Raphson(expresión general)
  • Objetivo: solucionar la ecuación g(x)=0
  • Procedimiento:
    • valor inicial x0 propuesto como solución aproximada
    • iteración con sucesivas soluciones aproximadas x0, x1, ..., xs, ... Mediante
    • detenida al cumplirse algún criterio de convergencia
algoritmo de newton raphson aplicado a la estimaci n mle
Algoritmo de Newton-Raphson(aplicado a la estimación MLE)
  • Ahora
  • Procedimiento:
    • inicial (p.e. método de los momentos)
    • iteración
    • detenida al cumplirse algún criterio de convergencia, p.e.