FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES

CURSO: TEMAS DE ESTADISTICA Y SERIES TEMPORALES.

TAREA N°5 MAXIMA VEROSIMILITUD

Suponga el siguiente modelo:

𝑦𝑡 = (𝑥𝑡 + 𝛽)𝑢𝑡
Donde 𝑦𝑡 representa niveles de renta, 𝑥𝑡 niveles de educación y 𝑢𝑡 es una variable aleatoria de
1 1
distribución exponencial con 𝜆 = 1 , es decir 𝐸(𝑢𝑡 ) = 𝜆 = 1 y 𝐸(𝑢𝑡 2 ) = 𝜆2 = 1 por lo que
𝐸(𝑦𝑡 ) = (𝑥𝑡 + 𝛽) y 𝑉(𝑦𝑡 ) = (𝑥𝑡 + 𝛽)2 .

De esta forma la función de densidad para 𝑦𝑡 es:

1 −𝑦𝑡
𝑓(𝑦𝑡 , 𝑥𝑡 , 𝛽) = 𝑒 𝑡+𝛽
𝑥
𝑥𝑡 + 𝛽
Dada las observaciones de la tabla 2:

1.Estima el parámetro 𝛽 mediante el estimador de MV. Estima 𝑉𝑎𝑟(𝛽̃𝑀𝑉 ).

2. Contrasta 𝐻0 : 𝛽 = 10 mediante los estadísticos LR, Wald Y LM. En el caso de los estadísticos
1 𝜕2 𝑙𝑛𝐿
de Wald y LM utiliza 𝐵̃ = − 𝐸( ). Compara e interpreta los resultados.
𝑇 𝜕𝛽𝜕𝛽

SOLUCIÓN.

1.1 ESTIMA EL PARÁMETRO BETA

El proceso para estimar por máxima verosimilitud

Sea 𝑥1 , 𝑥2 , … 𝑥20 variables aleatorias, por independencia:

1 −𝑦1 1 −𝑦2 1 −𝑦20

𝑓(𝑦𝑡 , 𝑥𝑡 , 𝛽) = 𝑒 𝑥1+𝛽 . 𝑒 𝑥2+𝛽 … . 𝑒 𝑥20+𝛽
𝑥1 + 𝛽 𝑥2 + 𝛽 𝑥20 + 𝛽
𝑡
1 −𝑦𝑡
𝑓(𝑦𝑡 , 𝑥𝑡 , 𝛽) = ∏ . 𝑒 𝑡+𝛽
𝑥
𝑥𝑡 + 𝛽
𝑖=1
Aplicando logaritmos en ambos lados:
𝑡
1 −𝑦𝑡
𝑙𝑛𝑓(𝑦𝑡 , 𝑥𝑡 , 𝛽) = 𝑙𝑛 ∏ . 𝑒 𝑡+𝛽
𝑥
𝑥𝑡 + 𝛽
𝑖=1
𝑡 𝑡
1 −𝑦𝑡
𝑙𝑛𝑓(𝑦𝑡 , 𝑥𝑡 , 𝛽) = 𝑙𝑛 ∏ + 𝑙𝑛 ∏ 𝑒 𝑡+𝛽
𝑥
𝑥𝑡 + 𝛽
𝑖=1 𝑖=1
 𝑡 𝑡
−𝑦𝑡
𝑙𝑛𝑓(𝑦𝑡 , 𝑥𝑡 , 𝛽) = 𝑙𝑛1 − ∑ 𝑙𝑛 (𝑥𝑡 + 𝛽) + ∑
𝑥𝑡 + 𝛽
𝑖=1 𝑖=1
𝑡 𝑡
𝑦𝑡
𝑙𝑛𝐿 = − ∑ 𝑙𝑛 (𝑥𝑡 + 𝛽) − ∑
𝑥𝑡 + 𝛽
𝑖=1 𝑖=1

Estimamos el Beta :
> LogL <- function(B){
beta<- B[1]

LL <- (-sum(log(educacion+B))-sum(renta/(educacion+B)))

}
>
> starting.values <- c ( 0.0 )
>
> LogL.opt <- maxLik(LogL,start= starting.values,
print.level=3,
+ method="BFGS")
Initial function value: -95.34443
Initial gradient value:
[1] 1.513381
initial value 95.344429
iter 2 value 93.379930
iter 3 value 90.267990
iter 4 value 89.122279
iter 5 value 89.065062
iter 6 value 88.505787
iter 7 value 88.445434
iter 8 value 88.445009
iter 9 value 88.436292
iter 10 value 88.436263
iter 10 value 88.436263
final value 88.436263
converged
> LogL.opt$maximum
[1] -88.43626
> LogL.opt$estimate
[1] 15.59981
> LogL.opt$hess
[,1]
[1,] -0.01421085

Por lo tanto, el Beta tiene un valor de 𝛽 = 15,59981 , además, la altura del monte es de
-88,43 y el Hessiano sale -0,014210985.

1.2 Calcula la varianza

Para calcular la varianza asintótica de máxima verosimilitud MLE, se requiere:

𝑡 𝑡
𝜕 2 𝑙𝑛𝐿 1 𝑦𝑡
=∑ 2
− 2∑
𝜕𝛽𝜕𝛽 (𝑥𝑡 + 𝛽) (𝑥𝑡 + 𝛽)3
𝑖=1 𝑖=1

Si reemplazamos el valor de 𝛽 = 15,59981 en la segunda derivada y tomamos el negativo de la

recíproca, obtendremos la varianza:
> sigma<-function(p){
+ B<- LogL.opt$estimate
+ solve <-(sum(1/((educacion+B)^2))-2*sum((renta/(educacion+B)^3)))^-1
+ }
> MV_SG<-maxBFGS(sigma,start=c(0.0),print.level=3)
Initial function value: -46.14545
Initial gradient value:
[1] 0
initial value 46.145455
iter 1 value 46.145455
final value 46.145455
converged
𝑉𝑎𝑟(𝛽̃𝑀𝑉 ) = 46.145455

2. CONTRASTA 𝐇𝟎 : 𝛃 = 𝟏𝟎 MEDIANTE LOS ESTADÍSTICOS LR, WALD Y LM.

H0 : β = 10
H0 : β ≠ 10
Observamos que la restricción lineal.

2.1 CONTRASTE LR

𝐿𝑅 = 2 (𝑙𝑛𝐿(𝛽̃ ) − 𝑙𝑛𝐿(𝛽̃𝑅 )) → 𝜒 2 𝑟

𝑡 𝑡
𝑦𝑡
𝑙𝑛𝐿(𝛽̃ ) = − ∑ 𝑙𝑛 (𝑥𝑡 + 𝛽̃ ) − ∑
𝑖=1
𝑥 + 𝛽̃
𝑖=1 𝑡
𝑡 𝑡
𝑦𝑡
𝑙𝑛𝐿(𝛽̃𝑅 ) = 𝑙𝑛𝐿(𝛽) = − ∑ 𝑙𝑛 (𝑥𝑡 + 𝛽) − ∑
𝑥𝑡 + 𝛽
𝑖=1 𝑖=1

# modelo no restringido
> LogL_MNR <- function(B){
+ beta<- B[1]
+ MNR<- (-sum(log(educacion+B))-sum(renta/(educacion+B)))
+ }
> MV_MNR <- maxBFGS(LogL_MNR, start=c(0.0), print.level=2)
initial value 95.344429
iter 2 value 93.379930
iter 3 value 90.267990
iter 4 value 89.122279
iter 5 value 89.065062
iter 6 value 88.505787
iter 7 value 88.445434
iter 8 value 88.445009
iter 9 value 88.436292
iter 10 value 88.436263
iter 10 value 88.436263
final value 88.436263
converged
> summary(MV_MNR)
--------------------------------------------
BFGS maximization
Number of iterations: 11
Return code: 0
successful convergence
Function value: -88.43626
Estimates:
estimate gradient
[1,] 15.59981 6.311041e-05
--------------------------------------------
> lnL_MNR <-(-sum(log(educacion+MV_MNR$estimate))-sum((renta/(educacio
n+MV_MNR$estimate))))
> lnL_MNR
[1] -88.43626

#modelo restringido
> LogL_MR <- function(B){
+ beta<- 10
+ MR<- (-sum(log(educacion+10))-sum(renta/(educacion+10)))
+ }
> MV_MR <- maxBFGS(LogL_MR, start=c(0.0), print.level=2)
initial value 88.883320
iter 1 value 88.883320
final value 88.883320
converged
> summary(MV_MR)
--------------------------------------------
BFGS maximization
Number of iterations: 1
Return code: 0
successful convergence
Function value: -88.88332
Estimates:
estimate gradient
[1,] 0 0
--------------------------------------------

> lnL_MR <-(-sum(log(educacion+10))-sum((renta/(educacion+10))))

> lnL_MR
[1] -88.88332

> LR <- 2*(lnL_MNR - lnL_MR)

> LR
[1] 0.8941144

O también lo podemos calcular como:

> LR <- 2*(MV_MNR$maximum - MV_MR$maximum)

> LR
[1] 0.8941144

𝐿𝑅 = 0.8941
Si comparamos con respecto a una 𝜒 2 (0.05,1) = 3.84

𝐿𝑅 < 𝜒2
por lo tanto, no rechazamos 𝐻0 ,es decir, el valor es 𝛽 = 10.

Este estadístico tiene solo en cuenta la diferencia entre los valores de la función de
verosimilitud de 𝑙𝑛𝐿(10) y 𝑙𝑛𝐿(𝛽̃ ).

2.2 Contraste Wald

′ −1
𝑊 = 𝑇ℎ(𝜃̃ ) (𝐺̃ ′ 𝛽̃ −1 𝐺̃ ) ℎ(𝜃̃ ) → 𝜒 2 𝑟

En este caso ℎ(𝜃̃ ) = (𝛽̃ − 10)

𝜕ℎ 𝜕(𝛽 − 10)
𝐺̃ = | = | =1
𝜕𝛽 𝛽=𝛽̃ 𝜕𝛽 ̃
𝛽=𝛽
 𝑡 𝑡
1 𝜕 2 𝑙𝑛𝐿(𝛽) 1 1 𝑦𝑡
𝛽̃ = − (𝐸 ( ))| = − (𝐸(∑ 2
−2∑ ))|
𝑇 𝜕𝛽𝜕𝛽 ̃ 𝑇 (𝑥𝑡 + 𝛽) (𝑥𝑡 + 𝛽)3
𝛽=𝛽 𝑖=1 𝑖=1 ̃
𝛽=𝛽

𝑡
1 1
𝛽̃ = ∑
𝑇 (𝑥𝑡 + 𝛽)2
𝑖=1

−1 −1
𝑡
′ 1 1
𝑊 = 𝑇(𝛽̃ − 10) [1′ . ( ∑ ) . 1] . (𝛽̃ − 10)
𝑇 (𝑥𝑡 + 𝛽)2
𝑖=1

(𝛽̃ − 10)2
𝑊=
1
∑𝑡𝑖=1
(𝑥𝑡 + 𝛽)2
> wald<-(MV_MNR$estimate-10)^2/sum(1/((educacion+10)^2))
> wald
[1] 906.5321
𝑊 = 906.5321
Si comparamos con respecto a una 𝜒 2 (0.05,1) = 3.84

𝑊 > 𝜒2
por lo tanto, rechazamos 𝐻0 ,es decir, el valor es 𝛽 ≠ 10.

EL Estadístico de Wald tiene en cuenta tanto la diferencia entre los valores 𝛽̃ y 10 como
la curvatura de la función de verosimilitud 𝑙𝑛𝐿(𝛽) evaluada en 𝛽 = 𝛽̃. Dos muestras distintas
pueden producir el mismo valor de (𝛽̃ − 10)2 pero una de ellas puede ser menos favorables
para realizar el contraste H0 : β = 10 como ha sucedido en este caso , sin embargo esta función
de verosimilitud indica más precisión y por lo tanto (𝛽̃ − 10) es relativamente más grande.

2.3 Contraste LM
1 ′ −1
𝐿𝑀 = 𝑆̃(𝜃̃𝑅 ) 𝐵̃(𝜃̃𝑅 ) 𝑆̃(𝜃̃𝑅 )
𝑇
Para este caso tenemos:
𝑡 𝑡
𝜕𝑙𝑛𝐿(𝛽) 1 𝑦𝑡
𝑆(10) = ( )| =−∑ +∑
𝜕𝛽 (𝑥𝑡 + 10) (𝑥
2
𝛽=10 𝑖=1 𝑖=1 𝑡 + 10)
𝑡
1 𝜕2 𝑙𝑛𝐿(𝛽) 1 1
𝛽̃ (10) = − (𝐸 ( ))| = −( ∑ )|
𝑇 𝜕𝛽𝜕𝛽 𝑇 ( 𝑥𝑡 + 𝛽 ) 2
𝛽=10 𝑖=1 𝛽=10
 𝑡
1 1
𝛽̃ (10) = ∑
𝑇 (𝑥𝑡 + 10)2
𝑖=1

De esta forma:
1 ̃ (10)−1 𝑆(10)
𝐿𝑀 = 𝑆(10)′ 𝛽
𝑇
1 ̃ (10)−1
𝐿𝑀 = 𝑆(10)2 𝛽
𝑇
2 −1
𝑡 𝑡 𝑡
1 1 𝑦𝑡 1 1
𝐿𝑀 = [− ∑ +∑ ] [ ∑ ]
𝑇 (𝑥𝑡 + 10) (𝑥 + 10 )
2 𝑇 (𝑥𝑡 + 10)2
𝑖=1 𝑖=1 𝑡 𝑖=1

2 −1
𝑡 𝑡 𝑡
1 𝑦𝑡 1
𝐿𝑀 = [− ∑ +∑ ] [∑ ]
(𝑥 + 10) 2 (𝑥𝑡 + 10)2
𝑖=1 𝑡 𝑖=1 (𝑥𝑡 + 10) 𝑖=1

> LM<-(-sum(1/(educacion+10))+sum(renta/(educacion+10)^2))^2*(sum(1/(e
ducacion+10)^2))^-1
> LM
[1] 0.9756824

𝐿𝑀 = 0.9756824
Si comparamos con respecto a una 𝜒 2 (0.05,1) = 3.84

𝐿𝑀 < 𝜒2
por lo tanto, no rechazamos 𝐻0 ,es decir, el valor es 𝛽 = 10.

Si la H0 : β = 10 se satisface, 𝛽̃ esta próximo al valor de 10 y por tanto, dado que 𝑆(𝛽̃ ) = 0

desviaciones de 𝑆(10) de 0 nos da un idea de cómo alejado esta 𝛽 = 10 del máximo 𝛽̃, es decir,
cuanto mayor sea la curvatura de 𝑙𝑛𝐿 en 𝛽 = 10 más cercano estará 𝛽 = 10 del máximo del
𝑙𝑛𝐿 y es de esperar que el valor del estadístico sea menor ya que existe más evidencia de que
H0 : β = 10.

Para este caso se puede comparar que 𝑊 ≥ 𝐿𝑀 ≥ 𝐿𝑅 por lo que esta desigualdad sugiere que
la hipótesis nula puede ser talvez rechazada al mismo nivel de significación por 𝑊 pero no por
𝐿𝑀 𝑦 𝐿𝑅.