CAP 3 – STIMA
Cap. 3 - Dipartimento di Statistica, Informatica, Applicazioni ...
Cap. 3 - Dipartimento di Statistica, Informatica, Applicazioni ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Corso di laurea magistrale in Statistica, Scienze Attuariali e Finanziarie<br />
INFERENZA STATISTICA (Note didattiche)<br />
Bruno Chiandotto Versione 2015<br />
3. Stima<br />
necessaria affinché essa abbia un massimo è che dL()/d = 0 . Nella generalità dei casi<br />
non occorre procedere ad ulteriori elaborazioni (computo delle derivate di ordine<br />
superiore) essendo il punto di stazionarietà individuato un punto di massimo.<br />
La derivazione della funzione di verosimiglianza L() comporta il computo del<br />
n<br />
prodotto <br />
i1<br />
f(x i ; ), operazione non immediata, per tale motivo, in genere si preferisce<br />
massimizzare non la verosimiglianza L() ma il suo logaritmo naturale<br />
l () = log L() = <br />
n<br />
i1<br />
log f (x i ; )<br />
detto log-verosimiglianza. Essendo il logaritmo naturale una funzione monotona, il<br />
valore ~ che massimizza la log-verosimiglianza l() è identico a quello che massimizza<br />
la verosimiglianza L().<br />
Si ricorda che la derivata prima della log-verosimiglianza è stata definita come<br />
funzione score; di conseguenza, se la log-verosimiglianza è differenziabile allora<br />
condizione necessaria affinché la funzione abbia un massimo è che il suo score sia<br />
nullo:<br />
Il valore ~<br />
S() =<br />
d<br />
<br />
<br />
d l<br />
= 0.<br />
che massimizza la verosimiglianza o la log-verosimiglianza è detto stima<br />
di massima verosimiglianza del parametro incognito . Se nella soluzione si<br />
sostituiscono alle determinazioni (x 1 , ..., x n ) le corrispondenti variabili casuali (X 1 , ..., X n )<br />
si ottengono gli stimatori di massima verosimiglianza.<br />
Ovviamente se la distribuzione della variabile casuale X è caratterizzata da più<br />
parametri 1 , ..., k , per trovare il massimo occorrerà uguagliare a 0 ciascuna delle<br />
derivate parziali rispetto ad ogni singolo parametro (lo score è quindi un vettore a k<br />
componenti, una per ogni parametro incognito) e poi ricavare la stima dei parametri<br />
risolvendo il sistema delle equazioni definito dalle derivate parziali uguagliate a zero.<br />
Anche in questo caso, come per quello di un solo parametro, nella generalità dei casi al<br />
punto di stazionarietà corrisponde il massimo della funzione.<br />
Si riporta nelle righe seguenti la derivazione delle stime di massima verosimiglianza,<br />
elencandone proprietà e legge di distribuzione, per campioni relativi ad alcune v.c. tra<br />
quelle esaminate nel Cap. 1; si tratta sempre di distribuzioni che appartengono alla<br />
famiglia esponenziale per le quali è, quindi sempre possibile individuare stimatori<br />
sufficienti e, a ragione della disuguaglianza di Cramèr-Rao, ottimali nell’ambito degli<br />
stimatori corretti.<br />
V.C. di Bernoulli<br />
La log-verosimiglianza della v.c. di Bernoulli è data da<br />
189