Tema 3
Tema 3
Tema 3
Por este motivo es necesario que, para poder obtener unos estimadores adecuados de los parámetros poblacionales, asumamos
una serie de hipótesis básicas sobre el comportamiento de las diferentes perturbaciones aleatorias, de forma tal que podamos
realizar algún tipo de inferencia estadística sobre los parámetros muestrales.
Estas características podemos resumirlas en una distribución conjunta de media nula y matriz de varianzas y covarianzas escalar:
Y1 = 0+ X1,1*1+X2,1*2+…+Xk,1*k+u1
Y2 = 0+ X1,2*1+X2,2*2+…+Xk,2*k+u2
Y3 = 0+ X1,3*1+X2,3*2+…+Xk,3*k+u3
Y4 = 0+ X1,4*1+X2,4*2+…+Xk,4*k+u4
…………………………………………….…
Yn = 0+X1,n*1+X2,n*2+…+Xk,n*k+un
La expresión a minimizar es similar a la obtenida en el caso del Estimador de Mínimos Cuadrados Ordinarios (MCO), por lo que el
Estimador Máximo Verosímil (MV) será igual al de MCO bajo las hipótesis del Modelo Básico de Regresión Lineal
bˆ MV = bˆ MCO = ( X ¢X )-1 X ¢Y