NOTAS TECNICAS 1 METODO DE NEWTON-RAPHSON

Presentación del tema: "NOTAS TECNICAS 1 METODO DE NEWTON-RAPHSON"— Transcripción de la presentación:

1 NOTAS TECNICAS 1 METODO DE NEWTON-RAPHSON
APROXIMACION DE DERIVADAS (DIFERENCIAS FINITAS) ESTIMACION DE LA MATRIZ DE COVARIANZA ASINTOTICA DE LOS ESTIMADORES DE MAXIMA VEROSIMILITUD SIMULACION DE VARIABLES ALEATORIAS NORMALES MULTIVARIADAS Notas por A. Aubone, v: 19/10/2015

2 Teorema METODO DE NEWTON-RAPHSON PARA RESOLVER UNA ECUACION
NO-LINEAL EN UNA VARIABLE Problema: determinar Teorema un intervalo abierto, y Se asume que para un Si la ecuación tiene solución entonces existe un tal que si entonces la secuencia generada por existe y converge a cuando Notas por A. Aubone, v: 19/10/2015

3 METODO DE NEWTON-RAPHSON PARA MINIMIZAR UNA FUNCIÓN
NO-LINEAL EN UNA VARIABLE Problema: determinar DIFERENCIAS FINITAS (derivada de primer orden) Diferencia avanzada Diferencia retrazada Diferencia centrada

4 un método cuasi-Newton
DIFERENCIAS FINITAS (derivada de segundo orden) El uso de diferencias finitas transforma al Método de Newton-Raphson en un método cuasi-Newton

5 METODO DE NEWTON-RAPHSON PARA MINIMIZAR UNA FUNCIÓN
NO-LINEAL EN VARIAS VARIABLES SIN RESTRICCIONES dos veces continuamente diferenciable, en cada paso resolver: luego hacer es el Hessiano o matriz Hessiana de en es el vector gradiente de en Problema: determinar

6 Ejemplo: Sea dos veces continuamente diferenciable,

7 En el caso de la estimación de parámetros por el método de
máxima verosimilitud, el Hessiano del logaritmo de la función de verosimilitud se relaciona con la matriz asintótica de covarianza de los estimadores de máxima verosimilitud.

8 es el logaritmo de la función de verosimilitud
Matriz de Información de Fisher En el caso de distribución normal en la variable es el valor obtenido en la muestra, del estimador de máxima verosimilitud de

9 Generación aleatoria de vectores de v.a. normales multivariadas
matriz simétrica, definida positiva matriz triangular inferior Factorización de Cholesky Notas por A. Aubone, v: 19/10/2015

10 Inversión del Hessiano
Caso k=2

11 Caso k=2 y (condiciones para definida positiva) (existe pues es definida positiva)

12 Simulación de Monte Carlo
1) Generar un vector 2) Calcular el vector Repetir 1) y 2) un número nsim de veces (nsim simulaciones) Se generan aleatoriamente nsim valores del vector aleatorio con distribución de probabilidades normal multivariada. Notas por A. Aubone, v: 19/10/2015