Título: | Estimadores de máxima verossimilhança : casos que não satisfazem as condições de regularidade |
Autor(es): | Sousa, Wellington Bernardo de |
Orientador(es): | Zörnig, Peter |
Assunto: | Estimador (Estatística) Distribuição (Probabilidades) |
Data de apresentação: | 3-Jul-2018 |
Data de publicação: | 21-Jul-2020 |
Referência: | SOUSA, Wellington Bernardo de. Estimadores de máxima verossimilhança: casos que não satisfazem as condições de regularidade. 2018. 71 f., il. Trabalho de Conclusão de Curso (Bacharelado em Estatística)—Universidade de Brasília, Brasília, 2018. |
Resumo: | Os estimadores de máxima verossimilhança são os estimadores que atribuem à amostra
a maior probabilidade de ser observada. Estes estimadores possuem propriedades muito
boas e sob as condições de regularidade pode-se aproximar a distribuição dos estimadores
de máxima verossimilhança por meio da distribuição Normal e realizar inferência para os
parâmetros populacionais através das estatísticas de Wald e da Razão de Verossimilhanças,
por exemplo. No entanto, quando as condições de regularidade não estão satisfeitas,
não é possível aproximar a distribuição desses estimadores por uma distribuição de
probabilidades em particular e, portanto, há maior dificuldade para realizar inferência
acerca dos parâmetros. Este trabalho trata dos estimadores de máxima verossimilhança
com ênfase nos casos em que as chamadas condições de regularidade não estão satisfeitas,
estas necessárias para aproximar a distribuição dos estimadores de máxima verossimilhança
pela distribuição Normal, apresentando exemplos e algumas aplicações. |
Abstract: | The maximum likelihood estimators are the estimators that give the sample the highest
probability of being observed. These estimators have very good properties and under
regularity conditions one can approximate the distribution of the maximum likelihood
estimators through the Normal distribution and perform inference for the population
parameters through the Wald and ‘Likelihood Ratio’ statistics, for example. However,
when the regularity conditions are not satisfied, it is not possible to approximate the
distribution of these estimators by a particular probability distribution, and therefore,
it is more difficult to make inference about the parameters. This work deals with the
maximum likelihood estimators with emphasis in cases where the so-called regularity
conditions are not satisfied, these are necessary to approximate the distribution of the
maximum likelihood estimators by the Normal distribution, presenting examples and some
applications. |
Informações adicionais: | Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2018. |
Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
Aparece na Coleção: | Estatística
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.