APLICACIONES DE PRINCIPIO DE VEROSIMILITUD

A. APLICACIÓN DE BERBOULLI
1. Si una muestra aleatoria de tamaño m.a X1, X2 de un modelo Bernoulli de parámetro θ

0< θ<1, θ =?

Función de masa de probabilidades (F.M.P)= f(x/ θ)= θx(1- θ)1-x ∈ (x) {0;1}

Entonces la función de masa de probabilidades conjunta de tamaño 2 es de este estilo valuada

en x1, x2 y se obtiene:

fX1,X2 (x1, x2/ θ)= θX1+X2(1- θ)2-X1-X2 ∈ (x1, x2) {0;1}

En este caso es Bi variada, obteniendo 2 observaciones de esta muestra aleatoria Bernuolli

solo nos reporta 2 valores 0 o 1:

Obs: Y= (Y1, Y2) = (1,1)

L(θ/Y) = fX1, X2 (1,1/ θ) = θ2

L(θ/Y) Funcion de verosimilitud

Fig. Fuente: Elaboración propia

θ= 0.999999999 …. Es más verosímil que θ=0.5

Una moneda no sabes si está cargada o no, y salen 2 caras seguidas, interpretando es más
verosímil que sea una moneda totalmente cargada a que sea una moneda equilibrada.
2. Obtener el estimador de máxima verosimilitud de la probabilidad de éxito para una
variable aleatoria X de Bernoulli.
Desde que X es una variable aleatoria de Bernoulli, entonces la función de distribución de X
está dada por:

p(x;p) = px (l - p)1-x , x = 0,1 ; 0 < p < 1

Sea a X1, X2, X3…Xn una muestra aleatoria de X cuyos valores son
x1, x2, x3 …. Xn (x1, x2, x3 …. Xn es una secuencia de 0 y 1) entonces:

p (xi; p) = pxi(1-p)1-xi, i=1,2,3…. n

La función de verosimilitud es:

V(p) = p (x1, x2, x3 …. Xn; p) = p (x1; p) p (x2; p), …., p (Xn; p)

Tomando logaritmo natural a V (p):

Derivando con respecto a p obtenemos:

De donde :

Es simplemente, el numero promedio de “exitos” observados en una serie de “n” ensayos :

Observando que :

Es decir, es un estimador insesgado de “P”

B. APLICACIÓN POISSONIANA:

3. Suponga que el número diario de ventas de autos nuevos que efectúa determinado
concesionario, es una variable aleatoria de Poisson con parámetro λ. Dado que en 20 días la
venta total de autos fue de 30, ¿cuál es el estimador de máxima verosimilitud de λ?

Comenzaremos determinando, el estimador de máxima verosimilitud del parámetro λ de la

distribución de Poisson.
Sea X1, X2, X3…Xn una muestra aleatoria de tamaño n de la variable aleatoria de Poisson, con
valores x1, x2, x3 …. Xn. Entonces,

La funcion de verosimilitud es :

Tomando logaritmo a V(λ) obtenemos :

Derivando con reespecto a λ, se tiene:

Expresado en palabras, la media muestral es el estimador de maxima verosimilidad de parametro λ

de la distribucion de Poisson. Por lo tanto, empleando los datos dicho problema,

N =20 Dias se tiene :

(Moya, 2006)
Bibliografía

 Gil, A. (2016). Estadistica Inferencia. Lima.

 Moya, R. (2006). Probabilidad e Inferencia Estadistica. San Marcos.