Conteúdo 15
Método da Máxima Verossimilhança: Caso Multiparamétrico
Expandindo a aplicação do Método da Máxima Verossimilhança (MV), este material aborda cenários onde os modelos probabilísticos dependem de vetores de parâmetros (como \(\mu\) e \(\sigma^2\) na distribuição Normal), exigindo a otimização em superfícies multidimensionais. Os slides demonstram a utilização do Vetor Gradiente para gerar sistemas de equações que levam aos estimadores simultâneos. Adicionalmente, o meterial promove uma discussão crítica sobre o viés do estimador de MV para a variância (a clássica distinção entre a divisão por \(n\) e \(n-1\)), abordando conceitos de consistência e erro quadrático médio.
Slides:
