Professional Documents
Culture Documents
Máxima Verosimilitud
Máxima Verosimilitud
VEROSIMILITUD
Sea θ el parámetro a estimar, de una población X distribuida como f (x, θ) y sea
X1 , X2 , . . . , Xn una muestra al azar de la población X. El procedimiento para obtener el
estimador de máxima verosimilitud del parámetro θ es como sigue:
1. Determinar la distribución conjunta de la muestra en sus valores observados
respectivos x1 , x2 , . . . , xn . Esta función del parámetro θ conocida también como
función de verosimilitud está definida por:
n
Y
L (θ) = f (x1 , x2 , . . . , xn , θ) = f (x1 , θ) × f (x2 , θ) × . . . f (xn , θ) = f (xi , θ)
i=1
EJEMPLO 01
Sea X1 , X2 , . . . , Xn una muestra aleatoria de tamaño n, seleccionada de una población
X con distribución Bernoulli o binomial (1,p). Obtenga el estimador del parámetro p
aplicando el método de máxima verosimilitud.
1
n P P
Xi
(1 − p)n− Xi
Y
L (p) = f (xi , p) = (p)
i=1
EJEMPLO 02
Sea X1 , X2 , . . . , Xn una muestra aleatoria escogida de una población X con distribu-
ción normal N (µ, σ 2 ). Obtener el estimador de la media µ y de la varianza σ 2 por el
método de máxima verosimilitud.
σ 2π
Entonces, la función de verosimilitud de la muestra es:
n
!n n
2
Y
2
1 Y − 12 ( x−µ
σ )
2
L µ, σ = f x, µ, σ = √ × e
i=1 σ 2π i=1
− n Pn
1
(xi −µ)2
L µ, σ 2 = 2πσ 2 2
× e− 2σ2 × i=1
De donde resulta:
Pn
i=1 xi
µ̂ = =x
n
2
Por lo tanto, la media muestral x es la estimación de máxima verosimilitud de la media
µ de la población normal.
Por otro lado, derivando la función L con respecto a σ 2 e igualando a cero se obtiene:
n
dL 1 n 1 X
= − × + × (xi − µ) = 0
dσ 2 2 σ 2 2σ 4 i=1
De donde resulta:
(xi − x)2
Pn
2 i=1
σ̂ =
n
2
Por lo tanto, la varianza muestral sn es la estimación de máxima verosimilitud del
parámetro σ 2 de la distribución normal.