vraisemblance, ont une expression drivable par rapport . Pour
calculer le maximum de la vraisemblance, il faut dterminer les valeurs pour lesquelles la drive de la vraisemblance s'annule. Or par dfinition, la vraisemblance est un produit de probabilits ou de densits, qui peut tre assez compliqu driver. Il est prfrable de driver une somme, et c'est pourquoi on commence par remplacer la vraisemblance par son logarithme. La fonction logarithme tant croissante, il est quivalent de maximiser ou . Une fois dtermine une valeur de
pour laquelle la
drive s'annule, il faut s'assurer l'aide de la drive seconde que ce
point est bien un maximum. Nous traitons ci-dessous quelques familles classiques. Lois de Bernoulli L'ensemble des valeurs possibles est
. Le paramtre inconnu
est . Si
est un chantillon, la vraisemblance vaut :
Son logarithme est :
La drive par rapport
est :
Elle s'annule pour :
La drive seconde est :
Elle est strictement ngative, la valeur
est bien un maximum. Si
est un chantillon de la loi de Bernoulli de paramtre
l'estimateur du maximum de vraisemblance de
est :
savoir la frquence empirique.
Lois gomtriques L'ensemble des valeurs possibles est . Si
. Le paramtre inconnu est
est un chantillon d'entiers, la vraisemblance vaut :
Son logarithme est :
La drive par rapport
est :
Elle s'annule pour :
La drive seconde est :
Elle est strictement ngative, la valeur
est bien un maximum. Si
est un chantillon de la loi gomtrique de paramtre
l'estimateur du maximum de vraisemblance de
est :
savoir l'inverse de la moyenne empirique, ce qui est cohrent avec le
fait que le paramtre est l'inverse de l'esprance. Lois exponentielles Le paramtre inconnu est encore . Il s'agit ici de lois continues, la vraisemblance est donc un produit de valeurs de la densit. Pour un uplet de rels positifs elle vaut :
Son logarithme est :
La drive par rapport
est :
Elle s'annule pour :
La drive seconde est :
Elle est strictement ngative, la valeur est bien un maximum. Si
est un chantillon de la loi exponentielle de paramtre l'estimateur du maximum de vraisemblance de
est :
savoir l'inverse de la moyenne empirique, ce qui est cohrent avec le
fait que le paramtre est gal l'inverse de l'esprance. Lois normales Pour un paramtre multidimensionnel, le principe est le mme, mais les calculs d'optimisation sont plus compliqus. Pour les lois normales, deux paramtres sont inconnus. Afin d'viter les confusions dans les drivations, nous noterons le paramtre de variance, habituellement not . Pour un -uplet de rels la vraisemblance vaut :
Son logarithme est :
Les drives partielles par rapport aux paramtres
et
sont :
et
Elle s'annulent pour :
et
Les drives partielles secondes valent :
La matrice hessienne (matrice des drives partielles secondes) au
point est donc :
Elle est dfinie ngative, le point
est bien un maximum. Si
est un chantillon de la loi normale de paramtres
, les estimateurs du maximum de vraisemblance de
et
et
sont
respectivement la moyenne et la variance empiriques de l'chantillon,
comme on pouvait s'y attendre.
Section : Recherche d'estimateurs
Prcdent : Notion de vraisemblance Suivant : Intervalles de confiance