Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Importer

Bienvenue sur Scribd !

  • 48 vues

    Le Maximum de Vraisemblance

    Transféré par

    Maha Kasbaoui

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme ODP, PDF, TXT ou lisez en ligne sur Scribd

    Le Maximum de Vraisemblance

    Transféré par

    Maha Kasbaoui
    48 vues14 pages

    Copyright

    © © All Rights Reserved

    Formats disponibles

    ODP, PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme ODP, PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format odp, pdf ou txt
    48 vues14 pages

    Le Maximum de Vraisemblance

    Transféré par

    Maha Kasbaoui

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme ODP, PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format odp, pdf ou txt
    sur 14

    LE MAXIMUM DE VRAISEMBLANCE

    Réalisé par :
    MAHA KASBAOUI
    REDA HAIRY
    NAIMA SABRI
    KAWTAR
    Plan
    I. Le Maximum de Vraisemblance :
    qDéfinitions et propriétés
    qEstimation
    qLes moindres carrés ordinaires
    Le maximum de vraisemblance
    Définitions
    Définitions
    • 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.
    Maximum de vraisemblance

    Propriétés
    Propriétés
    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.

    •
    Moindres Carrés Ordinaires
    Définitions
    Moindres Carrés Ordinaires
    • C’est une technique pour estimer les coefficients d'une régression linéaire
     qui décrivent les relations entre une ou plusieurs variables quantitatives
    et une variable dépendante (selon si la régression linéaire est simple ou
    multiple).
    • Les moindres carrés désignent l'erreur quadratique minimale.
    • Les estimateurs du maximum de vraisemblance ou des moments sont des
    approches alternatives à la régression linéaire.
    Equation du MCO
    • Y = β0 + Σj=1..p βjXj + ε
    Où Y = La variable dépendante , β0=constante du modèle ,
    X j désigne la jème variable explicative du modèle (j= 1 à p)
    e =une erreur aléatoire d'espérance 0 et de variance σ²
    Exercice :
    On prends l’exemple des 5 spécimens fossiles d’un animal disparu pour lesquels on possède les mesures de la longueur en
    cm de leur humérus x et de leur fémur y. 1. Compléter le tableau suivant et en déduire les valeurs des variances et
    covariance :
    1. Compléter le tableau suivant et en déduire les valeurs des variances et covariance :

    Calculs effectués pour variances et covariance :

    Var(x) = µ(x²) − µ(xi)² = 4879, 2 − 68,42 = 200, 64


    Var(y) = µ(y²) − µ(y)² = 3767 − 60, 22 = 142, 96
    Cov(x, y) = µ(xy) − µ(x)µ(y) = 4284, 6 − 68,4 · 60, 2
    Cov(x, y) = 166, 92

    Var(x) = 200, 64 Var(y) = 142, 96


    Cov(x, y) = 166, 92
    2. Déterminer, par la méthode des moindres carrés ordinaires, l’équation de la droite de régression de y en x.
    â

    Vous aimerez peut-être aussi