LE MAXIMUM DE

VRAISEMBLANCE
Master système d’information et d’aide à la décision en management

EXPOSÉ PAR
KAWTAR
REDA HAIRY
MAHA KASBAOUI
Naima
 Plan

I. Maximum de vraisemblance…………………………………………………..

1. Définitions ……………………………………………………………………………..

2. Propriétés……………………………………………………………………………..

I. Estimateur du Maximum de Vraisemblance

II. Les moindres carrés ordinaires

Le Maximum de vraisemblance

1. Définition t propriétés
La vraisemblance est une fonction des observations et du paramètre dont
l’objectif est de trier les différentes valeurs du paramètre selon leur
« Likelihood ».

La vraisemblance offre une approche générale de l’estimation de

paramètres inconnu à l’aide de données.

Soit X une variable aléatoire réelle, de loi ou bien discrète ou bien continue, dont on veut
estimer un paramètre θ. On note   cette famille de lois paramétriques. Alors on définit

une fonction f telle que : 

fθ(x) représente la densité de X (où θ apparaît) et Pθ(X = x) représente

une probabilité discrète (où θ apparaît).
On appelle vraisemblance de θ au vu des observations (x1,...,xi,...,xn) d'un n-échantillon
indépendamment et identiquement distribué selon la loi  , le nombre :

En pratique :

 La condition nécessaire

Ou

Permet de trouver la valeur  .

  Est un maximum local si la condition suffisante est remplie

au point critique   :

Ou

Pour simplifier, dans les cas de lois continues, où parfois la densité de probabilité est nulle
sur un certain intervalle, on peut omettre d'écrire la vraisemblance pour cet intervalle
uniquement.

1. Propriétés du maximum de vraisemblance

L'estimateur obtenu par la méthode du maximum de vraisemblance est :

 Convergent, mais il peut être biaisé en échantillon fini.

 Asymptotiquement efficient, il atteint la borne de Cramer Rao.

 Asymptotiquement distribué selon une loi normale.