MÉTODO DE MÁXIMA

VEROSIMILITUD
INTEGRANTES:
o Alvarado Salinas, Luis o Murguía Yparraguirre, Jazmín
o Espinoza Torres, Jean Pierre o Sancarranco Guerrero, Aarón
o Heras Chiques, José
Definiciones
• Es la distribución Considerada como una
La función de de probabilidad función de los coeficientes
verosimilitud conjunta de los desconocidos.
datos

El EMV de los Está compuesto por los valores de los

coeficientes coeficientes que maximizan la función
desconocidos de vero- similitud.

Es necesario resaltar
que este es, a
diferencia de MCO, un
estimador sesgado.
El método de máxima verosimilitud consiste en estimar los
parámetros desconocidos de manera que la probabilidad de
observar las Y dadas sea lo más alta (o máxima) posible.

Por consiguiente, se tiene que encontrar el máximo de la

función en la ecuación .

Es un ejercicio sencillo de calculo diferencial. Para la

diferenciación, es más fácil expresar en términos de la
función logaritmo.
El estimador de máxima verosimilitud de θ, llámese W, es el valor de θ
que maximi- za la función de verosimilitud. Por supuesto, este valor
depende de la muestra aleatoria. El principio de máxima verosimilitud
dice que, de todos los valores posibles de θ, se debe elegir el valor que
haga que la verosimilitud de los datos observados sea mayor.
Intuitivamente, éste es un método razonable para estimar θ.
 Estimación de máxima verosimilitud del modelo de
regresión con dos variables

En este método con dos variables Yi= β1 + β2Xi

Supongamos que Yi son independientes y normalmente distribuidas

con media β1 + β2Xi y varianza σ2
Esta función de densidad de probabilidad conjunta se escribe como el producto de las n funciones de
densidad individuales dado la independencia de Y.

Al sustituir la ecuación por cada Yi se obtiene

FV= Función de
Verosimilitud
 Ejemplo :

Función de verosimilitud:

Dado que (λ) es el parámetro a estimar

Reordenando los términos o

Se obtiene la sgte expresión: resolviendo por λ

Se deriva con respecto a λ

Igualándolo a 0