{ } t. w si intende. , ciascuna delle quali dipende da. Una sequenza di distribuzioni di probabilità ( f ( w,, w ; θ)

Documenti analoghi
Capitolo 5. ii) Errori eteroschedastici ed eventualmente correlati (cioè

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0)

Regime di capitalizzazione composta

LA FUNZIONE DI VEROSIMIGLIANZA

Lezione 3 Proprietà statistiche degli stimatori OLS - 1. Anche in questo capitolo si considera il modello di regressione lineare.

NOTA Gli operatori lineari fra spazi a dimensione finita sono tutti continui, nel senso che, se A è

Un introduzione ai sistemi dinamici stocastici con variabili latenti

Interesse e Sconto. Università degli Studi di Catania Facoltà di Economia D.E.M.Q.

1 La chain rule per funzioni poco regolari

Istogrammi e confronto con la distribuzione normale

Modellazione statistica: approccio parametrico e non parametrico

Esercitazione 6 del corso di Statistica (parte 1)

( ) 2 i 1 X. n(n + 1) a) si determini se sono corretti; b) per quelli non corretti, si calcoli la distorsione d;

ESERCIZI DI STATISTICA

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua

MEDIA DI Y (ALTEZZA):

Fatica con sollecitazioni ad ampiezza variabile

STIMA DI MODELLI DI SOPRAVVIVENZA PARAMETRICI

Struttura del Segnale (1/3)

Università egli Studi di Bergamo Corso di laurea in Ingegneria Edile STATISTICA Stima di massima verosimiglianza

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione

TEORIA DEI PROCESSI STOCASTICI

Titoli obbligazionari (Bond) Tipi di titoli obbligazionari

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione

INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO. box. Scopo della modellazione black-box. Limitazioni dell approccio black-box

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2

Matematica elementare art.1 di Raimondo Valeri

Esercitazione 5 del corso di Statistica (parte 1)

Variabilità = Informazione

0 per x / ( 1, ). i) (4 p) Trovare per quali valori di α la funzione f è una densità di probabilità (non si chiede di calcolare C α ).

Dipartimento di Meccanica Politecnico di Torino

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo.

Modelli Parametrici RICONOSCIMENTO DI FORME. Metodi Parametrici per la Classificazione Supervisionata

Lezione 24. Campi finiti.

Variazione approssimata del valore attuale

Soluzione degli esercizi del capitolo 11

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua

La seguente tabella mostra la distribuzione doppia rispetto al Numero di stanze (Y) e al Numero di componenti (X) di un collettivo di 104 famiglie.

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

Lezione 9. Moduli finitamente generati.

2. FUNZIONE D ONDA, OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli strumenti della Meccanica Quantistica

Lezione 3. Gruppi risolubili.

Lezione 4. La Variabilità. Lezione 4 1

Var iabili aleatorie continue

Lezioni di Teoria dei Sistemi. CdL in Ingegneria dell Ambiente e del Territorio (A.A. 2001/02. Bozze). Prof. Saverio Mascolo PARTE N. 1. y 1.

Teoria dei Fenomeni Aleatori AA 2012/13

Lezione 13. Anelli ed ideali.

I percentili e i quartili

Si definisce prodotto di A e B la matrice data da:

Descrizione quantomeccanica di un insieme di spin: LA MATRICE DENSITÀ

Regressione e Correlazione

Dai dati osservati mediante scelta campionaria si giunge ad affermazioni i che riguardano la popolazione da cui essi sono stati prescelti

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100)

Variabili casuali ( ) 1 2 n

LEZIONI DI STATISTICA MEDICA

Statistica descrittiva per l Estimo

Caso studio 12. Regressione. Esempio

Il campionamento e l inferenza

Corso di Architettura (Prof. Scarano) 06/03/2002

Previsione della domanda - contenuti di base -

7 STIMATORI DI REGRESSIONE LINEARE 7.1 INTRODUZIONE

Esercitazioni di Calcolo delle Probabilità (16/12/2011) Soluzioni

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Quale retta? La retta migliore è quella che più si avvicina all insieme dei 115

La media aritmetica. La sua individuazione si basa sulla logica della trasferibilità di un carattere. Se la funzione f( ) corrisponde alla somma:

DI IDROLOGIA TECNICA PARTE II

exp("# (al posto di n) var Ca Coefficiente di asimmetria, indipendente dal valore dei parametri. f X DISTRIBUZIONE EV1 o DI GUMBEL.

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

Modelli di accumulo del danno dovuto a carichi ciclici

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 9: Covarianza e correlazione

Calcolo delle Probabilità: esercitazione 4

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in due gruppi

NUMERI INDICI. Esempio: consideriamo la serie storica delle retribuzioni convenzionali INAIL dal 1994 al 1999 (migliaia di Lire)

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza

PROVA SCRITTA DI STATISTICA (COD ) 4 Febbraio 2004 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE

Propagazione di errori

ANALISI DELLA REGRESSIONE ANALISI BIVARIATA DELLA REGRESSIONE

DIPARTIMENTO DI ECONOMIA

Controlli Automatici A

Caso studio 10. Dipendenza in media. Esempio

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Lezione 20. Campi numerici ed anelli di Dedekind.

8 - STIMA MINIMI QUADRATI

Università degli Studi di Napoli Parthenope. Facoltà di Scienze Motorie a.a. 2011/2012. Statistica. Lezione IV

INDICI DI VARIABILITA

Algoritmi e Strutture Dati. Alberi Binari di Ricerca

Compito A1- Soluzioni

Il termine regressione fu introdotto da Francis Galton ( ), antropologo (promotore dell eugenetica).

FUNZIONI LOGICHE FORME CANONICHE SP E PS

1-Econometria, a.a Breve introduzione

pè via che, lì, la media è sempre eguale risurta che te tocca un pollo all'anno: Me spiego: da li conti che se fanno seconno le statistiche d'adesso

Capitolo 6 Gli indici di variabilità

Circuiti dinamici. Equazioni di stato. (versione del )

# $ % & # ' ( )&* ( + #

Teoria delle distribuzioni Parte quinta Limiti nel senso delle distribuzioni

1 Matrici. 1. Generalità.

Integrazione numerica

Transcript:

8-Ecoomera, a.a. -3 Capolo 8 8- Il meodo della Massma Verosmglaza 8- Proprea` asoche degl smaor ML 8-3 Tes sulle poes: Il es d Wald, l es LM, l es LR e l es boosrap 8-4 Esemp 8-5 Appedce: La sasca LM e la sua dsrbuzoe asoca 8-6 Appedce: Effceza degl smaor d Massma Verosmglaza 8-7 Appedce: La fuzoe Log-verosmglaza coceraa 8- Il meodo della Massma Verosmglaza Il meodo della massma verosmglaza è u meodo d sma ulzzable preseza d modell paramerc, dove per modello paramerco per u processo { } Ua sequeza d dsrbuzo d probablà ( f ( w,, w ; u paramero veorale (o oo e dpedee da. Termologa e ua prma poes: Sa { w } =,, { } w s ede, cascua delle qual dpede da l processo delle osservazo d u processo w co modello paramerco ( f ( w,, w ; (oare che e` sao omesso l dce della dsrbuzoe f ; La fuzoe (della varable defa da L( ; w,, w = f( w,, w; dces fuzoe d verosmglaza (del processo fo; S assumerà sempre che da a dsposzoe soo sa geera da u processo la cu dsrbuzoe è caraerzzaa da u solo ( sosaza c è ua sola sruura del modello che ha geerao da dspobl e qud l modello e` correamee specfcao. Se l processo è del po { = ( y, } scrvere ella forma w x (co eveualmee mulvaraa l modello s può f( y, x,, y, x ; = g( y,, y ; ϕ( x,, x h( x,, x ; ψ (. e allora g( y,, y; ϕ( x,, x è u uovo modello (spesso pù semplce d quello orgaro, che s drà modello codzoao. Evdeemee se l eresse e` rvolo al solo paramero ϕ( e` opporuo cosderare solao l modello codzoao. Come gà segalao alre crcosaze, ua qualuque buoa procedura d sma, deve forre uo smaore che coverga probablà verso l paramero o oo. Nauralmee uleror propreà dello smaore coseoo d affroare problem d fereza. y

8-Ecoomera, a.a. -3 Rappreseazoe della fuzoe verosmglaza per modell ecoomerc codzoa. Se {, } y x e` u processo e e` u fssao ero, la fuzoe d verosmglaza ha la seguee rappreseazoe: Per da cross-seco: L( ; y = L( ; y x = f( y,, y ; x,, x = f( y ; x = f ( y ; essedo le varabl del processo dpede; Per me-seres: = = L(; y = f( y ; x, y, x,, y, x f( y ; x = f ( y ;. = S o che queso caso la fuzoe d verosmglaza o e` cosrua araverso la dsrbuzoe codzoaa; per quesa ragoe alvola e` deomaa fuzoe d verosmglaza parzale. S o che ella oazoe della fuzoe d verosmglaza o è evdezaa la sua dpedeza dalle varabl eorc. x (che pero` o e` rrlevae almeo ella prova rgorosa de rsula Defzoe Sa L(; y la fuzoe d verosmglaza d u modello relava al processo delle osservazo { y },, =. Dces sma ML (Maxmum Lkelhood o d Massma Verosmglaza per l paramero fuzoe L(; y, l puo d massmo ˆ = ˆ( y (spesso fuzoe ache d x,, x della, se esse ed è uco. D ora az L(; y = f( y; e` la fuzoe d verosmglaza codzoaa (o parzale d u processo {, } y x. = Osservazoe: La sma d massma verosmglaza ˆ = ˆ( y (se esse è ache puo d massmo della fuzoe obevo Q( = Q(; y = log L(; y = l(; y, = avedo poso l ( ; y = log f ( y ;.

8-Ecoomera, a.a. -3 I poes d regolarà (che qu o sarao esplcae ma geeralmee valde elle applcazo della fuzoe L(; y, la sma ML è ache l suo uco puo sazoaro e duque ˆ è (l uca soluzoe dell equazoe Q( l = (; y =. = Talvola la fuzoe obevo, co la precedee sruura, o e` l logarmo della fuzoe d verosmglaza, pero` e` grado d forre ua buoa sma del paramero. I al caso la sma dces QML (Quas Maxmum Lkelhood. U semplce esempo d sma QML e` la sma OLS de paramer d u modello d regressoe leare co error o ormal. ( La sma ML (o QML è geeralmee soluzoe d ua equazoe o leare; ua usuale procedura (ma o è l uca per dvduarla è l meodo d Newo (oppure l meodo Quas- Newo che ulzza l gradee ( ( Q ( S =, spesso deomao score, la marce hessaa ( k ( ( S ( Q ( H = = e la procedura erava ( k k [ ] = H + ( S ( k. k k k 8- Proprea` asoche degl smaor ML I queso capolo, solao alcue poes sarao formulae esplcamee e sarao rodoe quado se e presea la ecessà; quelle d caraere ecco sarao omesse. Per rago d semplca` spesso s ulzza acora l smbolo per deoare l paramero vero op (coe` l uco paramero che defca la sruura (o DGP che ha geerao da e s fa rfermeo a modell per me-seres (o c e` alcua dffcolà agguva ad adaare rsula oeu al caso d da del po cross-seco. Ife s segala che rsula qu presea s rferscoo solao alle sme ML; per le sme QML la valdà delle propreà asoche va verfcaa d vola vola. E aurale che le buoe propreà asoche d ˆ sao cosegueza delle propreà della fuzoe obevo e d quelle del processo. I parcolare, per la cosseza dello smaore, appare ragoevole che debbao ecessaramee susssere le segue codzo (cfr. 4.3 per ua suazoe del uo smle. Codzo d defcablà: S verfca faclmee che la sma OLS del paramero β del modello y = x β + u s oee mmzzado la fuzoe obevo cosrua ell poes che { u} d...(, σ. 3

8-Ecoomera, a.a. -3 Q ( ; y coverge probablà verso qualche fuzoe Q (, che dpede solao da (codzoe che fa pesare alla valdà d qualche legge de grad umer, che d cosegueza dovrà essere valda per l processo delle osservazo; (valore vero del paramero è l uco puo d massmo d Q (. Pu` precsamee s prova che se l processo {, } y x e` sazoaro ed ergodco, soo uleror poes d caraere ecco, soo valde le codzo d defcabla` e, dode modo sadard segue la cosseza dello smaore ML. Rappreseazoe e propreà della fuzoe score e della marce hessaa S assume ulerormee che sao valde le poes che coseoo l passaggo della dervaa soo l sego d egrale (e parcolare che l supporo delle dsrbuzo o dpede dal paramero, allora S ( = l ( ; y = s ( ; y e [ ] essedo = = s(; y = l(; y = f(; y f (; y E( s ( ; y = ; H ( = h( ; y, = [ ] [ ] e h( ; y = [ s ( ; y ] = [ l ( ; y ] fa [ ] E( s(; y = s(; y f( y; dy = f( y; dy = f( y; dy = R R R 3 ( var( s ( ; y = E( s ( ; y s ( ; y = E( h( ; y ; Ifa dalla segue e qud l assero. 4 Il processo { s (; y } = E( s( ; y = s( ; y f( y; dy = R = R h( ; y f ( y ; dy + s ( ; y s ( ; y f ( y ; dy R = E( h( ; y + E( s ( ; y s ( ; y è ua dffereza margala; (segue dalla, o appea s osserva che da s (; y = [ log f( y y,, y ; ] s ha E( s( ; y = E( s( ; y y, y,. 5 S( = s ( ; y N( ;Avar [ S ( ], [ ] = d = Avar S ( = plm E( s ( ; y s( ; y, la marce I( = plm E( s( ; y s( ; y dces marce d formazoe d Fsher ; ( k k = 4

8-Ecoomera, a.a. -3 la propreà segue da qualche versoe del eorema del lme cerale valdo per dffereze margale o ecessaramee sreamee sazoare (oare che l processo { s (; y } o essere sreamee sazoaro. Asoca ormalà degl smaor d Massma Verosmglaza Iao per porebbe S (; ˆ y = ; olre dalla formula d Taylor d puo zale (valore vero del paramero s ha: (* = S (; ˆ y = S (; y + H (; y( ˆ co appareee al segmeo cogugee ˆ e. ˆ s ha S assume che la marce H ( e` verble, avedo poso H( = plm H ( plm h( ; y plm E( h( ; y = = = =. ( Osservazoe: Susssoo le segue due propreà: H ( ; y H( ; p segue da p H( = h( ; y H( e = p. H ( ; y è verble per suffceemee grade; segue dalla precedee e dall verbla` della fuzoe H (. Proposzoe (asoca ormalà d ˆ : ( 3 S ha co Avar( ˆ H( = Avar( S ( H(. ( ( ˆ = H (, y S ( ; N(,Avar( ˆ y, Dmosrazoe: Segue faclmee da (* ulzzado la propreà 5 e la precedee osservazoe. L asoca ormalà d d porà essere ulzzaa problem d fereza (cosruzoe d es su poes o d sme d ervallo se è dspoble ua sma cossee della varaza asoca d ˆ. A al fe è ule la seguee ˆ L esseza del lme probablà segue dalla sazoareà ed ergodcà del processo { y }, e da uleror poes che qu o soo sae rese esplce, che soo sae rassue soo la dzoe d poes d regolarà e che soo valde elle usual applcazo. 3 S osserv che ella prova hao u ruolo fodameale le propreà da a 5 d Q ( e qud la crcosaza che Q ( e` l logarmo della fuzoe d verosmglaza. Per le sme QML, o e` deo che per couo a Q ( valere le sesse propreà, pero` o e` escluso che qualche modo s possa provare l asoca ormala` dello smaore. 5

8-Ecoomera, a.a. -3 Proposzoe: Per gl smaor d massma verosmglaza susssoo le segue I( = H( ; Avar( ˆ = H( = I( Dmosrazoe: La segue faclmee dalla propreà 3, mere la segue dalla rappreseazoe d Avar( ˆ e dalla. Quao provao fora, cosee d proporre var smaor cosse d Avar( ˆ : 3 ˆ Avar( ( ˆ H = h ; y =, (smaore Hessaa emprca; ˆ Avar( E( ( ˆ; ( ˆ IM = s y s ; y, (smaore Marce formazoe; = ˆ Avar( ( ˆ; ( ˆ BHHH = s y s ; y, (smaore d Berd-Hall-Hall-Hausma o OPG = (Ouer-Produc-of-he-Grade; 4 ˆ ˆ ˆ ˆ Avar( (; (; (; (; ˆ S = h y s y s y h y = = =, (smaore Sadwch. Osservazoe: Lo smaore Sadwch deve essere ulzzao quado c soo ser dubb sulla correa specfcazoe del modello, e perao quado c e` l sospeo che lo smaore possa essere del po QML. Prma d chudere l paragrafo, s rassumoo le prcpal propreà degl smaor ML poes d regolarà: Cosseza; Asoca ormalà; Asoca effceza, ella classe degl smaor asocamee corre e - cosse (per ua prova, el caso cu l paramero e` udmesoale, ved l appedce 8.6 Ivaraza rspeo a rasformazo verbl (la prova o o presea alcua dffcola`. 8-3 Tes sulle poes: Il es d Wald, l es LM, l es LR e l es boosrap Queso paragrafo o presea parcolar ovà rspeo a quao gà oo; s preseao fa re es (co valdà asoca la cu cosruzoe o e` molo dversa da quella preseaa alr coes, la cu caraersca comue e` quella che lo smaore e` u puo d mmo d ua op 6

8-Ecoomera, a.a. -3 opporua fuzoe obevo. Qu soo descre le re sasche che modo sadard coseoo la cosruzoe d es su poes (lear o o lear che comuque hao ua valdà` asoca. Sa Q( = l( ; y la fuzoe obevo, che cosee d dvduare la sma ML (o = QML del paramero e s assume che susssao le usual poes d regolarà (che garascoo l asoca ormalà dello smaore, sa olre assegaa la seguee poes H H k ( : r( = : r(, l co r : Ω R regolare, l k (essedo Ω R lo spazo de paramer e sa l l rago della marce r ( ( = R(. Sa fe ˆ (rsp. la sma ML del modello o rsreo (rsp. del ( l k modello rsreo. La sasca d Wald: Iao per l eorema del δ meodo, ( ˆ d r( r( N(,Avar( r( ˆ co dove è r R( = ( ( l k Avar( r( ˆ = R( Avar( ˆ R (,. Allora la sasca d Wald per l poes H e` che (se H W = r ( ˆ R( ˆAvar( ˆ R( ˆ r( ˆ, e` vera coverge dsrbuzoe verso ua χ l. La sasca LM: E` defa come la dsaza pesaa da, dello score della fuzoe obevo calcolao ella sma del modello rdoo. Deoao allora co la sma d massma verosmglaza del modello rdoo (duque l puo sazoaro d L ( λ, = Q ( + r( λ s ha LM Q ( Q ( Σ dove = ( k k Σ = s(; y s(; y oppure = Σ = h(; y ; = LM χ l d ell poes H. Per la prova ved l appedce 8-5. Osservazoe: La sasca LM = s( ; y s( ; y s( ; y s( ; y = = = (qu è saa ulzzaa la prma rappreseazoe d Σ e` uguale a ESS (la somma de quadra de valor 7

8-Ecoomera, a.a. -3 prevs ella regressoe del modello auslaro essedo ι ι = s(; y β+ resd, l veore le cu coordae soo ue ugual ad. (Per la verfca e` suffcee far ι X { s(; y } rfermeo = Xβ +resd co la marce delle osservazo d del precedee modello e osservare che s ha X ι = s(; y. = (versoe marcale La sasca LR: I queso caso s cofroao valor della fuzoe obevo elle sme del modello o rdoo e d quello rdoo, pu` precsamee s cosdera la sasca ˆ ˆ f ( y; ( ( ( log ( log( ( ; ˆ LR = Q Q = = f y log( f ( y; f ( ; y, ( 4 per la quale s ha d se H è vera (la prova o è saa rporaa. LR χ l Osservazoe: Le re sasche o solo covergoo alla sessa dsrbuzoe ell poes, ma hao la H sessa dsrbuzoe asoca quado l poes H pur essedo falsa o e` molo dsae da essa (e perao re es, co lo sesso lvello d sgfcavà, hao sosazalmee la sessa probablà d errore del secodo po. I rsula segala per re es hao solao valdà` asoca; per campo f o è deo che ess dao rsula vc. Davdso e Macko suggerscoo d ulzzare l meodo boosrap (paramerco, essedo modell compleamee specfca quado s rlevao dffereze sosazal. Il es boosrap: Iao s osserva che precede es, ulzzao le dsrbuzo asoche degl smaor e geeralmee le propreà fe de al smaor o soo dspobl. S comprede allora l ula` d ulzzare ache l meodo del boosrap (olre ad uo de precede ella cosruzoe d es su poes; u dfferee rsulao porebbe essere causao dalla bassa dmesoe del campoe. S rchama brevemee la procedura, che sosazalmee rproduce quella ga` descra 3-7. Sa l paramero sul quale e` formulaa l poes e sa T la sasca che s vorra` ulzzare per la cosruzoe del es. 4 I sofware ecoomerc qualuque procedura d sma (OLS, NLS, SLS,. hao ell oupu Log-lkelhood =. Esso o e` alro che log( f( y; ˆ = Q ˆ (, co f ( y; cosrua assumedo che gl error abbao dsrbuzoe ormale. 8

8-Ecoomera, a.a. -3 S sma l modello rdoo (assumedo qud che l poes H sa vera e sa la sma d ; sa olre ˆ τ l valore della sasca T (per l cu calcolo porebbe essere ecessaro smare ache l modello o rdoo el campoe a dsposzoe; S geerao B campo boosrap (d lughezza ulzzado l DGP caraerzzao dal paramero e sa ( j j,, τ = B la sequeza de valor della sasca T ess; Il p-valore e` la frazoe degl dc j per qual s ha τ j > τ. 8-4 Esemp op S cosderao alcu semplc modell paramerc e s cosrusce la fuzoe obevo l cu uco puo sazoaro e la sma ML de paramer. Solao el prmo caso s rovera` ua rappreseazoe esplca della sma ML e delle sue caraersche (varaza asoca o marce d formazoe d Fsher, e la sua sma. I sofware ecoomerc, che ulzzao meod umerc per dvduare la sma ML, rchedoo l geerco addedo della fuzoe obevo, valor zal de paramer per avvare la procedura erava e preferblmee ache la rappreseazoe aalca dello score (le dervae parzal del geerco addedo; se quese ulme macao ulzzao loro sosuzoe le dervae umerche. Esempo (modello d regressoe leare co error ormal Sa { y, x } sa assegao l modello u processo..d. e y = x β + e d...(, σ. S passa a cosrure lo smaore d Massma Verosmglaza per l paramero = β (, σ ' Cosruzoe della fuzoe obevo Poso w = ( y, x s ha e qud ( y x β l( ; w = log f( y x; = log exp πσ σ ( y x β = log( π log( σ σ L( β, σ ; y x = exp / xβ π σ σ = ( ( ( y ( y x β β β y x. (, σ = log L(, σ ; = log( π log( σ + = σ Q 9

8-Ecoomera, a.a. -3 dode Cosruzoe dello smaore d ML S ha: Q β ˆ = y xx = x e ˆ σ = Q x( y xβ = = β = σ = Q = σ = ( y x β σ = x β. ˆ = ( y ˆ u = = = E ule osservare che gl smaor ML della coppa (, σ β soo gl smaor de mm quadra (l secodo a meo d ua cosae molplcava. E queso u caso, come d alrode è sao gà segalao, cu ache preseza d ua o correa specfcazoe (la dsrbuzoe degl error o è ormale gl smaor hao comuque acora buoe propreà. Iolre le propreà fe d ques smaor soo ga` sae segalae (cfr. -, perao l seguee puo ha solo valore ddaco. La marce formazoe d Fsher e la varaza asoca dello smaore Poso u = y x β, s ha x u σ s ( w; =, + u 4 σ σ (l calcolo della marce hessaa è sao omesso quao qu o è d alcua ulà e da ques ulma s oee faclmee xx σ E( s ( w; s( w; = E( ( ; ( ; s w s w x =. 4 σ La semplce rappreseazoe della varaza (codzoaa d ( ; s w, cosee d scrvere mmedaamee la marce d formazoe asoca d Fsher e la sma della varaza asoca d ˆ ˆ = ( β, ˆ σ ; fa s ha p lm σ xx = I( β, σ = 4 σ e ˆ ˆ σ xx = Avar( β, ˆ σ = =...., 4 ˆ σ dode ache l asoca dpedeza degl smaor ˆβ e ˆ σ.

8-Ecoomera, a.a. -3 Osservazoe: S deve segalare che ello svolgmeo dell eserczo (come d alrode capa frequeemee quado s ulzza l meodo ML come meodo d sma o c s è sofferma sulla verfca della valdà delle vare poes (defcablà, regolarà della fuzoe dsrbuzoe,. Esempo (Sma d massma verosmglaza modell d regressoe leare co error AR( ( 5 S cosdera l modello paramerco Osservazoe: y = x β + u, u ρu +, <, = ρ d...(, σ. Se s rascura la prma osservazoe (eveualmee ache alre se ra repressor c soo rard d y l modello può essere scro ella forma y y ρ, d...(, σ,, = ρ + xβ x β + che sosazalmee o dffersce da quello cosderao eserczo. S osserva mmedaamee che la sma d massma verosmglaza β e ρ cocde esaamee co la sma NLS. Nauralmee la procedura ML forsce maggor formazo sugl smaor, parcolare la dsrbuzoe asoca della era ˆ ( β, ˆ ρ, ˆ σ. Alcue semplc cosderazo coseoo d ulzzare ache la prma osservazoe ella procedura d sma del modello co l meodo della Massma Verosmglaza. ( 6 Qu d seguo soo preseae due dffere procedure. Iao la fuzoe dsrbuzoe per l modello codzoao (a x è perao, per s ha f ( y,, y = f( y y,, y f( y y f( y, l( β, ρ, σ ; y = log f( y y, x, x ; β, ρ, σ = = + log π log σ ( y ρy xβ ρx β, σ mere per =, l uca formazoe dspoble su y (proveee dal modello d regressoe leare è co u ( N (, σ /( ρ ({ } x β, y = + u u e` u processo AR( co error ormal e allora e` sreamee 5 La procedura qu preseaa può essere ulzzaa per la sma de modell d regressoe co error AR(p (e parcolare per modell AR(p. 6 Nel capolo 7 e` sao ulzzao l meodo FGLS per la sma del modello seza l poes d ormala` degl error, l quale ulzza ue le osservazo, ma rchede la srea esogeea` de repressor.

8-Ecoomera, a.a. -3 sazoaro e og varable del processo ha dsrbuzoe ormale co meda ulla e varaza σ /( ρ e qud ρ l y f y y. ( β, ρσ, ; ( = log ( x; β, ρσ, = log π logσ + log( ρ ( xβ σ I defva la fuzoe obevo è Q ( ρ ( y ( y ρy. σ x β + x β + ρ x β = ( β, ρσ, = log π logσ + log( ρ Il uovo erme che appare ella fuzoe obevo, ha u ruolo mporae ella procedura d sma, quao obblga la soluzoe ˆρ ad essere era all ervallo [, ]. S osserva che + ρ σ y N( xβ u,, perao ella fuzoe d verosmglaza c sarà ache u che porà essere erpreao come u paramero o oo e d cosegueza l meodo della massma verosmglaza forra` ache la sua sma (olre auralmee a quella d β, ρ e σ. Esempo 3 (Sma d u modello ( duque e { } AR p : Sa { } = α + α + + αp p +, { } y y y y u processo AR( p co error ormal, e d...(, σ, y l processo delle osservazo. Poso α = ( α, α,, α p, s ha L( ; y,, y f( y y,, y f( y y,, y f( y,, y, α = p+ p p Al fe d oeere ua sua rappreseazoe fuzoe de paramer o o, s osserva che per > p s ha f( y y,, y exp ( y y y = α p α α πσ σ p p, mere f ( yp,, y s scrve faclmee osservado che ( yp,, y ha dsrbuzoe mulvaraa ormale co meda μ = α /( α α e marce d covaraza che s oee rsolvedo l y p ssema che dvdua le codzo zal dell equazoe d Yule-Walker (ved 5-6, pag. 3. Evdeemee per mmzzare la fuzoe L( α ; y,, y s dovrao ulzzare meod umerc. Se pero` dalla precedee rappreseazoe s elma l ulmo faore (s cosdera coe` la fuzoe d verosmglaza codzoaa alle prme presea alcu problema; ale mmo evdeemee cocde co p osservazo allora la rcerca del mmo o αˆ OLS. S prova faclmee che

8-Ecoomera, a.a. -3 deo smaore (quello oeuo ulzzado la fuzoe d verosmglaza codzoaa e` asocamee equvalee allo smaore d massma verosmglaza. Le formazo sulla sua dsrbuzoe asoca, pu` precsamee sulla varaza asoca, soo prese pu` ava el eorema. Esempo 4 (Sma de modell MA( q : Iao s segala che gl argome che sarao ulzza rmagoo vald, co semplc adaame, ache preseza d process ARMA( p, q. Per redere l esposzoe pu` semplce s fa rfermeo al caso cu e` q = e duque al processo y = + co { } β β d...(, σ e β <. y Se { } e` l processo delle osservazo, la corrspodee fuzoe d verosmglaza s scrve mmedaamee o appea s osserva che (,, y y ha dsrbuzoe mulvaraa ormale co meda βι e marce d covaraza + β β. + β ( β + β Σ = σ ( Per la rcerca del puo d massmo c soo problem d po umerco quao ella ( rappreseazoe della fuzoe d verosmglaza e` presee l versa della marce Σ. E` dspoble ua procedura alerava relavamee pu` semplce, che s prova forre uo smaore asocamee equvalee al precedee. S cosdera la fuzoe d verosmglaza codzoaa a { y < q} (essedo l processo verble la sgma algebra geeraa da { y q} equvalee a quella geeraa da { q} e` < e s pogoo ugual al valore medo le osservazo o dspobl, e duque y = β per o equvaleemee = per ; allora s ha (s assume β = e s poe β = β y =, y = β y, y = β = β( y + βy = ( βy + β y,, 3 3 3 3 dode e qud y β βy β y β y,. = = ( + + + f( y { ys s } = exp ( y + βy + β y + + β y πσ σ L( β = f( y,, y = =... = =.... Ua ulerore procedura, che po e` quella ulzzaa e sofware ecoomerc ulzza flr d 3

8-Ecoomera, a.a. -3 Kalma per cosrure l logarmo della fuzoe d verosmglaza e auralmee meod umerc per cosrure la sma. Il seguee eorema, del quale o e` rporaa la dmosrazoe, forsce le propreà asoche d al smaor. Teorema : Sa { y } u processo ARMA( p, q, sazoaro, verble e seza radc comu, e α α β β y = y + + py p + + + + q d...(, σ, β =,, { } ua sua rappreseazoe. Poso ( = α, β = ( α,, αp, β,, β q e cosderaa la sma d massma verosmglaza procedure, allora ˆ cosrua co u campoe d lughezza (e co ua qualuque delle precede d ˆ N I ( (, (, co I ( = σ Γ pq., essedo Γαα Γαβ Γ pq. = d orde ; Γ Γ p+ q βα ββ Γ αα e` la marce d covaraza (d orde p del processo AR( p α α, Y = Y + + py p + Γ ββ e` la marce d covaraza (d orde q del processo AR( q Z + β Z + + Z z =, q q Γ αβ e` la marce d cross-covaraza (d orde p q de due process { y } e { z } suo geerco elemeo e` = E( y z per =,, p e j =,, q. γ j ++ j +, e duque l 8-5 Appedce: La sasca LM e la sua dsrbuzoe asoca S segalao pu sale della prova d quao affermao 8-3 sulla dsrbuzoe asoca della sasca LM; auralmee s fa rfermeo alla suazoe d quel paragrafo. k e` l uca elemeo d R che soddsfa l ssema S( + R( λ = ; r( = r( = R( ( + o p ( (e` suffcee adaare la prova del eorema del dela meodo; Dalla formula d Taylor S( = S( + H( ( + op ( segue che la sequeza ( S( coverge dsrbuzoe verso qualche varable aleaora; v Dalla e dalla prma equazoe segue che ache λ coverge dsrbuzoe 4

8-Ecoomera, a.a. -3 (poché la marce R( ha rago massmo r ; v R( λ = R( λ + ( R( R( λ = R( λ + o ( v Sosuedo, e v s ha p ; H( R( ( S( = op ( R( + ; λ v Ulzzado la rappreseazoe della marce versa d ua marce a blocch s ha λ = R( H ( R( R( H ( S ( + o ( p v Dalla v segue la covergeza dsrbuzoe d λ verso ua ormale; x Defa come sasca LM la dsaza pesaa d λ da, s vede faclmee che cocde co la dsaza pesaa d asoca (essedo Avar( S ( = plm H ( ( = H( S ( da e s sablsce mmedaamee la sua dsrbuzoe s ha 8-6 Appedce: Effceza degl smaor d Massma Verosmglaza Avar( ( ( ( λ = R H R. ( ( Sa Q( = log L (, y = l(, y = l (, y la fuzoe obevo, l cu puo = sazoaro ˆ poes d regolara`. e` la sma d massma verosmglaza d, e s suppoga che susssao le usual Defzoe : Uo smaore ( che dpede da op y (puo` dpedere ache da alre varabl se la fuzoe d verosmglaza e` ua dsrbuzoe codzoaa o parzale dces asocamee correo se essedo ( E( ( paramero; e duque Proposzoe : Sa p y = -lme ( ( ( ( y la meda rspeo alla dsrbuzoe L (, y, co valore vero del ( ( e` asocamee correo, ( ( p-lm L (, ( d = y y y. R uo smaore d e s suppoga che ( e` - cossee e sa Allora ( Avar( = p la sua varaza asoca. ( ( Avar( - lm var ( e` maggore (o uguale a quella dello smaore d massma verosmglaza. I queso seso lo smaore d massma verosmglaza e` asocamee effcee. 5

8-Ecoomera, a.a. -3 Dmosrazoe: Iao co u calcolo dreo s prova la seguee uguaglaza ( ( L (, y ( l (, y = L (, y. j Ora dervado la j- esma uguaglaza rspeo a (le poes d regolara` coseoo lo scambo della dervaa sa co l lme che co l egrale, s ha l (, y p-lm L (, ( y dy = δ R ( ( ( y j j j dode (essedo ( l (, y E =, cfr. 8- p l (, y = δ j. ( ( -lme ( j ( y j S cosdera solao l caso cu ( = ha dmesoe ; l caso geerale presea maggor dffcolà`. S ha l = p-lm E ( ( -lm E E ( ( ( ( (, y ( l (, y ( y p y ( l (, y ( = p-lme p-lme ( ( ( y, (el secodo passo e` saa ulzzaa la dsuguaglaza d Schwarz, dode la varaza asoca dello smaore ( ( y, che qu s sa assumedo - cossee, e` maggore della varaza j asoca dello smaore d massma verosmglaza. 9-7 Appedce: La fuzoe Log-verosmglaza coceraa op Sa l(, y = l (, y l logarmo della fuzoe d verosmglaza d u modello = correamee specfcao e per l quale soo valde le usual poes d regolara`. Sa olre = (, e s assume che l equazoe l(, y Dl (, y = =, sa ucamee rsoluble rspeo a per og. Poso allora precedee equazoe, sussse l dea` Dl(, τ (, y, y = (per og. = τ (, y l uca soluzoe della 6

8-Ecoomera, a.a. -3 Defzoe : La fuzoe c l (, y = l(, τ (, y, y dces fuzoe d log-verosmglaza coceraa (rspeo a. Proposzoe : Se c e` u puo sazoaro d l (, y, poso =τ (, y, s ha (, e` (l uco puo sazoaro d l(, y, (e qud (, e` lo smaore d d massma verosmglaza; breve ˆ = (,. Dmosrazoe: Essedo c [ ] τ [ ] s ha [ ] Dl (, y = Dl (, (, y, y + Dl (, τ(, y, y Dτ (, y [ Dl] = (, τ (, y, y Dl (, τ (, y, y =. = =. Perao Dl(, ( Dl (,, Dl (, Osservazoe: Aalogo rsulao sussse se s fa rfermeo a pu d massmo puoso che a pu sazoar. A queso puo s poe l problema del calcolo della sma della varaza asoca d ˆ. c Calcolo della Marce Hessaa della fuzoe ( ˆ : l Dalla dervado rspeo a s ha Dl(, y = Dl(, τ(, y, y + Dl(, τ(, y, y Dτ(, y, c 3 mere dalla dervado rspeo a s ha 4 Dl τ Dl τ Dτ (, (, y, y + (, (, y, y (, y =. Dalle ulme due uguaglaza elmado Dτ (, y s ha (s omeoo ache gl argome c 5 [ ] Dl(, y = Dl DlDl Dl. Calcolo della sma della varaza asoca d ˆ (co lo smaore Hessaa emprca: E` oo che la sma della varaza asoca d ˆ e` H ˆ ( essedo ˆ Dl Dl D l(, y =. E allora la sma d e` (a pare l coeffcee Dl Dl ˆ ˆ H ( ( ˆ, = Dl y e l prmo blocco della marce versa d D l( ˆ, y che e` esaamee c Dl (, y (cfr. 9-, lemma. S e` cos` provao che la sma della varaza asoca d ˆ puo` essere calcolaa co la fuzoe d log- 7

8-Ecoomera, a.a. -3 verosmglaza coceraa quado s ulzza Osservazoe: La fuzoe log-verosmglaza coceraa o e` del po meda emprca (come quella orgara quao l suo -esmo addedo dpede dal veore delle osservazo y e o solao da asoca. y, perao o puo` essere ulzzaa per cosrure le alre sme della varaza op 8