Documentos de Académico
Documentos de Profesional
Documentos de Cultura
• Es la función de verosimilitud.
• Logaritmos: Permite pasar de una multiplicatoria a una
sumatoria.
ln 𝐿 𝜃 ȁ𝑦 = ln 𝑓(𝑦𝑖 ȁ𝜃)
𝑖=1
𝑒 −𝜃 𝜃 𝑦
𝑓(𝑦𝑖 ȁ𝜃) =
𝑦𝑖 !
5, 0, 1, 1, 0, 3, 2, 3, 4, 1
• La densidad conjunta será:
10
10
𝑒 −10𝜃 𝜃 σ𝑖=1 𝑦𝑖 𝑒 −10𝜃 𝜃 20
𝑓(𝑦𝑖 ȁ𝜃) = =
ς10 𝑦
𝑖=1 𝑖 ! 207,360
𝑑 ln 𝐿(𝜃ȁ𝑦) 20
= −10 + = 0 = 𝜃መ = 2
𝑑𝜃 𝜃
• Segunda derivación:
𝑑 2 ln 𝐿(𝜃 ȁ𝑦) −20
= 2 <0
𝑑𝜃 2 𝜃
Se trata de un máximo.
• Caso continuo: Si bien un dato discreto tiene
probabilidad cero, se cumple el procedimiento.
𝛿 ln 𝐿(𝜃 ȁ𝑑𝑎𝑡𝑎)
=0
𝑑𝜃
– Consistencia:
𝑝𝑙𝑖𝑚𝜃መ = 𝜃0
– Normalidad asintótica:
መ
𝜃~𝑁 𝜃0 , 𝐼(𝜃0 ) −1
– Invariante
• En el Modelo de Regresión Lineal:
𝑦𝑖 = 𝑥𝑖′ 𝛽 + 𝜀𝑖
• Reemplazando:
1
2 −𝑛/2 (− 2 ))(𝑦−𝑋𝛽)′(𝑦−𝑋𝛽)
𝐿= (2𝜋𝜎 ) 𝑒 2𝜎
• Función de log-verosimilitud:
𝑛 𝑛 2
(𝑦 − 𝑋𝛽)′(𝑦 − 𝑋𝛽)
ln 𝐿 = − 𝑙𝑛2𝜋 − 𝑙𝑛𝜎 −
2 2 2𝜎 2
𝛽መ𝑀𝐿 = (𝑋 ′ 𝑋)−1 𝑋 ′ 𝑦 = 𝑏
2
𝑒 ′𝑒
𝜎ො𝑀𝐿 =
𝑛
– Ratio de verosimilitud
– Wald
– Multiplicador de Lagrange
• Prueba de ratio de verosimilitud (LR):
𝐿 𝑅
𝜆=
𝐿 𝑈
• LR será siempre menor que LU (toda vez que LU
corresponde a un máximo)
• Estadístico de Wald:
𝑊 = 𝑐 𝜃መ − 𝑞 ′(𝐴𝑠𝑦. 𝑉𝑎𝑟 𝑐 𝜃መ − 𝑞 )−1 𝑐 𝜃መ − 𝑞
• Prueba de multiplicador de Lagrange (LM):