Máxima verosimilitud

De Wikipedia
Saltar a navegación Saltar a la gueta

En estadística, la estimación por máxima verosimilitud (conocida tamién como EMV y, n'ocasiones, MLE poles sos sigles n'inglés) ye un métodu habitual p'afaer un modelu y envalorar los sos parámetros.

Historia[editar | editar la fonte]

Ronald Fisher en 1913

Foi encamentáu, analizáu y popularizáu por R. A. Fisher ente 1912 y 1922, anque fuera utilizáu antes por Carl Friedrich Gauss, Pierre-Simon Laplace, Thorvald N. Thiele y Francis Edgeworth.[1]

Fundamentu[editar | editar la fonte]

Supóngase que se tien una amuesa x1, x2, …, xn de n observaciones independientes y hermano distribuyíes estrayíes d'una función de distribución desconocida con función de densidá (o función de probabilidá) f0(·). Sábese, sicasí, que f0 pertenez a una familia de distribuciones { f(·|θ), θ ∈ Θ }, llamada modelu paramétrico, de manera que f0 correspuende a θ = θ0, que ye'l verdaderu valor del parámetru. Deseyar atopar el valor (o estimador) que tea lo más próximo posible al verdaderu valor θ0.

Tanto xi como θ pueden ser vectores.

La idea d'esti métodu ye la d'atopar primero la función de densidá conxunta de toles observaciones, que so condiciones d'independencia, ye :

Reparando esta función so un ángulu llixeramente distintu, puede suponese que los valores reparaos x1, x2, …, xn son fixos ente que θ puede variar llibremente. Esta ye la función de verosimilitud:

Na práctica, suelse utilizar el llogaritmu d'esta función:

El métodu de la máxima verosimilitud envalora θ0 buscando'l valor de θ que maximiza . Este ye'l llamáu estimador de máxima verosimilitud (MLE) de θ0:

N'ocasiones esti estimador ye una función esplícita de los datos reparaos x1, …, xn, pero munches vegaes hai que recurrir a optimizaciones numbériques. Tamién puede asoceder que'l máximu nun sía únicu o nun esista.

Na esposición anterior asumióse la independencia de les observaciones, pero nun ye un requisitu necesariu: basta con poder construyir la función de probabilidá conxunta de los datos pa poder aplicar el métodu. Un contestu nel qu'esto ye habitual ye'l del analís de series temporales.

Propiedaes del estimador de máxima verosimilitud[editar | editar la fonte]

En munchos casos, el estimador llográu por máxima verosimilitud tien un conxuntu de propiedaes asintóticas curioses:

normalidá asintótica, * eficiencia, * ya inclusive eficiencia de segundu orde en corrixendo'l sesgu.

Consistencia[editar | editar la fonte]

So ciertes condiciones bastante habituales,[2] el estimador de máxima verosimilitud ye consistente: si'l númberu d'observaciones n tiende a infinitu, el estimador converxe en probabilidá al so valor verdaderu:

So condiciones daqué más fuertes,[2] la converxencia ye casi segura:

Normalidá asintótica[editar | editar la fonte]

Si les condiciones pa la consistencia cumplir y, amás, #  ;

  1. y ye dos veces de cutio diferenciable al respective de θ en dalguna redolada N de θ0;
  2. ∫ supθN||∇θf(x|θ)||dx < ∞, y ∫ supθN||∇θθf(x|θ)||dx < ∞;
  3. I = Y[∇θlnf(x|θ0) ∇θlnf(x|θ0)′] esiste y nun ye singular;
  4. ,

entós el estimador de máxima verosimilitud tien una distribución asintótica normal:[3]

Invariancia funcional[editar | editar la fonte]

Si ye'l EMV de θ y g(θ) ye un tresformamientu de θ, entós el EMV de α = g(θ) ye

Amás, el EMV ye invariante frente a ciertos tresformamientos de los datos. N'efectu, si y una aplicación biyectiva que nun depende de los parámetros que s'envaloren, entós la función de densidá de Y ye

Esto ye, les funciones de densidá de X y Y difieren namái nun términu que nun depende de los parámetros. Asina, por casu, el EMV pa los parámetros d'una distribución lognormal son los mesmos que los d'una distribución normal afecha sobre'l llogaritmu de los datos d'entrada.

Otres propiedaes[editar | editar la fonte]

El EMV ye √n-consistente y asintóticamente eficiente. En particular, esto significa qu'el sesgu ye cero hasta l'orde n−1/2. Sicasí, al llograr los términos de mayor orde de la espansión de Edgeworth de la distribución del estimador, θemv tien un sesgu d'orde −1. Esti sesgu ye igual a[4]

fórmula onde s'adoptó la convención de Einstein pa espresar sumes; Ijk representa la j,k-ésima componente de la inversa de la matriz d'información de Fisher y :

Gracies a estes fórmules ye posible envalorar el sesgu de segundu orde del estimador y correxilo por aciu substracción:

Esti estimador, insesgado hasta l'orde n−1, llámase estimador de máxima verosimilitud con corrección del sesgu.

Ejemplo[editar | editar la fonte]

Distribución uniforme discreta[editar | editar la fonte]

Supóngase que n boles numberaes de 1 a n asitiar nuna urna y que una d'elles estrayer al azar. Si desconozse n, el so EMV ye'l númberu m qu'apaez na bola estrayida: la función de verosimilitud ye 0 pa n < m y 1/n pa n ≥ m; qu'algama'l so máximu cuando n = m. La esperanza matemática de , ye (n + 1)/2. De resultes, el EMV de n infravalorará el verdaderu valor de n por (n − 1)/2.

Distribución discreta con parámetros discretos[editar | editar la fonte]

Supóngase que se llanza una moneda sesgada al aire 80 vegaes. L'amuesa resultante pue ser daqué según x1 = H, x2 = T, ..., x80 = T, y cúntase el númberu de cares, "H". La probabilidá de que sala cara ye p y la de que sala cruz, 1 − p (de cuenta que p ye'l parámetru θ). Supóngase que se llogren 49 cares y 31 cruces. Imaxínese que la moneda estrayer d'una caxa que contenía trés d'elles y que éstes tienen probabilidaes p iguales a 1/3, 1/2 y 2/3 anque nun se sabe cuál d'elles ye cuál.

A partir de los datos llograos del esperimentu puede llograse saber cuál ye la moneda cola máxima verosimilitud. Usando la función de probabilidá de la distribución binomial con una amuesa de tamañu 80, númberu d'ésitos igual a 49 y distintos valores de p, la función de verosimilitud toma trés valores siguientes:

La verosimilitud ye máxima cuando p = 2/3 y ésti ye, poro, el EMV de p.


Aplicaciones[editar | editar la fonte]

El estimador de máxima verosimilitud úsase dientro d'un gran númberu de modelos estadísticos:

Ver tamién[editar | editar la fonte]

Notes[editar | editar la fonte]

Referencies[editar | editar la fonte]

Enllaces esternos[editar | editar la fonte]


Máxima verosimilitud