Estimador máxima verosimilitud
Sea X1,... Xn una muestra aleatoria de una distribución de Poisson, con parámetro t desconocido. Sea r=P(Xi=2). El estimador de máxima verosimilitud para r es:?
Ayuda con esta muchas gracias!1
2 respuestas
Nos dan una muestra, el método de máxima verosimilitud consiste en encontrar el parámetro que nos piden tal que haga que la probabilidad de haber obtenido esa muestra sea máxima.
Para un determinado valor del parámetro cada uno de los elementos de la muestra tendrá una probabilidad, para tener una visión global de la probabilidad de toda la muestra lo que se hace es el producto de todas esas probabilidades.
Eso da una función del parámetro y lo que se hace es calcular su máximo, normalmente derivando.
Otra cosa es que la derivada de un producto de n funciones suele ser muy complicada, entonces lo que se hace es tomar el logaritmo de ese producto, lo cual se transforma en una suma de funciones logarítmicas y es sencillo derivarlas para obtener el máximo. El máximo de una función positiva es el mismo que el de su logaritmo.
Vamos a verlo resolviendo el ejercicio que se verá mas claro
La distribución de Poisson es:
$$\begin{align}&p(X_i)=\frac{e^{-\lambda}·\lambda^{X_i}}{X_i!}\\ &\\ &\\ &L(\lambda) = \prod_{i=1}^n \frac{e^{-\lambda}·\lambda^{X_i}}{X_i!}= \\ &\\ &\frac{1}{X_1!X_2!···X_n!}\prod_{i=1}^n e^{-\lambda}·\lambda^{X_i}\\ &\end{align}$$Lo que hemos sacado fuera es una constante, luego el máximo estará donde esté el máximo de lo que queda dentro.
Es ahora cuando vamos a tomar logaritmos neperianos del multiplicatorio (tal vez allí lo llaméis productoria)
$$\begin{align}&ln(\prod_{i=1}^n e^{-\lambda}·\lambda^{X_i}) =\\ &\\ &\sum_{i=1}^n ln(e^{-\lambda}·\lambda^{X_i}) =\\ &\\ &\sum_{i=1}^n(ln \,e^{-\lambda}+ ln \,\lambda^{X_i}) =\\ &\\ &\sum_{i=1}^n(-\lambda+ X_i·ln\, \lambda)=\\ &\\ &-\lambda n+ln\,\lambda\sum_{i=1}^nX_i\\ &\\ &\\ &\text{derivamos respecto }\lambda \text{ e igualamos a 0}\\ &\\ &-n + \frac{\sum_{i=1}^nX_i}{\lambda}=0\\ &\\ &\frac{\sum_{i=1}^nX_i}{\lambda}=n\\ &\\ &\lambda = \frac{\sum_{i=1}^nX_i}{n} =\overline X\end{align}$$
Vaya no me dejaba seguir escribiendo ni borrar la fórmula para insertar líneas de texto, me ha visto obligado a mandar así, ahora continúo.
Luego el parámetro lambda de máxima verosimilitud es la media de la muestra.
Y eso es todo.
valeroasm pero lo me estaban pidiendo era el parmetro de máxima verosimilitud para r y no para lambda gracias!!
¡Perdona, yo creía que era el mismo problema que la otra vez, por eso he hecho lo mismo, aunque ahora que lo veo la otra vez había unas interrogaciones que hacían que no se viese el parámetro que pedían.
Estos problemas no los suelo hacer, el que mandaste el otro día fue el primero y resolví lo que se suele pedir siempre que el estimador de lambda.
Yo juraría que r se calcula calculando primero el EMV para lambda y luego aplicando la fórmula de la distribución de Poisson. El EMV de lambda ya lo tenemos calculado, es la media de la muestra que llamaremos X con una barra arriba, entonces EMV de r sería según mi teoría este
$$\widehat r = \frac{e^{-\overline X}·\overline X^2}{2}$$Ahora no puedo hacer más porque tengo que dejar el ordenador para hacer otras cosas. Pero cuando vuelva estudiaré a ver si es cierto aplicando la definíción de EMV. Si estuviera más entrenado en esto lo resolvía ya, pero como te decía es algo nuevo para mí.
