Cómo calcular Máxima Verosimilitud

La máxima verosimilitud, o ML, método fue propuesto por primera vez por el estadístico Inglés RA Fischer. Este método encuentra la estimación de un parámetro que maximiza la probabilidad de observar los datos dados un modelo para los datos. Calcular la estimación de máxima verosimilitud de un parámetro p tomando la derivada de la función de probabilidad con respecto a p y encontrar el punto en el que p es igual a cero.

Instrucciones

1 Obtener la función de probabilidad o la función de densidad de probabilidad (pdf) del parámetro que se desea estimar. El pdf es una función que describe la probabilidad relativa de una variable aleatoria que se produzca en un punto dado. Ejemplos de archivos PDF son lo normal, inversa de Gauss, gama, Poisson y distribuciones de Bernoulli. Por ejemplo, para una distribución normal, es posible que desee encontrar las estimaciones de media y varianza.

2 Calcular el logaritmo natural de la función de probabilidad. logaritmos naturales son fáciles de calcular y son estándar en la mayoría de lenguajes de programación como C, PHP y Matlab (función de registro). Incluso puede utilizar la función log () en Excel o utilizar la calculadora.

3 Calcular la derivada de la función de probabilidad logarítmica con respecto al parámetro que se está tratando de estimar (p). Algunos programas como Matlab han construido en funciones tales como diff () y polyder () para calcular la derivada. En otros programas, tales como C y Excel, se puede calcular la derivada de y con respecto a x de la siguiente manera: dy / dx = (y1-y0) / (x1-x0). Donde y1, x1 son los valores actuales de las variables de entrada y salida Y y X, y y0, x0 son los (decrecimiento) los valores anteriores de y y x.

4 Establecer la igualdad derivada a cero y resolver para el parámetro que está tratando de estimar (p).