Sia il carattere X rappresentato da una variabile casuale che si distribuisce se

condo la funzione di probabilita f(x). per investigare su tale carattere si estr

ae un campione di ampiezza n. ad ogni estrazione e associata la variabile casual
e X1=f(x1). alla fine otteniamo n v.c. indipendenti e identicamente distribuite.
la v.c. (X1,,Xn) l'esperimento campionario. la n-pla (x1,xn) la realizzazione del
la v.c. multipla esperimento. la prob del verificarsi congiunto della npla dei r
isultati data l'indipendenza il prodotto delle probabilita dei singoli risultati
. L(x1xn)=f(x1)f(xn) e' la verosimiglianza del campione e rappresenta la probabili
t che si realizzi proprio quel campione in quell ordine. la f(x) pu dipendere da c
erti parametri theta e sono NON noti per cui saranno l'oggetto della nostra stim
a. la stima di massima verosimiglianza di theta e' quel thetacappuccio che rende
massima la L(theta). solitamente si usa il log di L(theta). per una normale uni
variata conosciamo la funzione di densit di probabilita. il parametro theta conti
ene sia la media che la varianza della variabile normale ma noi dobbiamo stimarl
i. passiamo al log prendo le derivate parziali e le pongo uguali a zero ottenend
o un sistema di due equazioni dalle quali ricavo lamediacappuccio e lavarianzaca
ppuccio. per un AR(1) Xt=c+phiXt-1+at e devo stimare beta=(c,phi,sigmaquadro). l
a media e' mu=c/1-phi. gamma(0)=sigma2a/(1-phi^2). Il problema della costruzione
della funzione di verosimiglianza per questo modello e che le variabili Xi non s
ono indipendenti come le v.c. che compongono l'esperimento della normale, la lor
o autocovarianza non e' nulla allora la fine di risolvere questo problema consid
ero le distribuzioni condizionate f(Xi|xi-1;beta). condiziono a cascata ogni Xt
con xt-1 precedente ottenendo una determinata fz L. Il problema che sorge a ques
to punto e che il sistema delle derivate parziali rispetto ai parametri che dovre
bbe essere risolto per stimare gli stessi e formato da equazioni non lineari. Qu
indi non e possibile trovare stime dei parametri in via analitica. Per i processi
della famiglia AR e possibile seguire un'altra strada: la verosimiglianza condizio
nata. In tal caso x1 e considerato un dato e non una v.c. per un MA(1) Xt=at-thet
aat-1 dobbiamo stimare beta=(theta,sigmaquadrodia). Posso anche qua a ritroso e
supporre di conoscere gli ai e gli xi e ottengo una funzione di verosimiglianza
che ha derivate non lineari per cui posso arrivare all'espressione di theta e si
gmaquadro solo grazie a metodi numerici. Inferenza sul modello: sia beta=(phi,th
eta) e betacapp la stima di beta che si distribuisce come una normale multivaria
ta con medie pari a beta e matrice var cov V(betacapp). Al fine di verificare ip
otesi statistiche, formulate sui parametri del modello, e possibile utilizzare i
l seguente test. H0:betai=0 H1:betai div 0. data l'ipotesi di normalita (asintotica
) emessa su e la stima della varianza , la statistica da utilizzare e una t di St
udent con n-(p+q+1) gradi di libert. Se il parametro del modello sottoposto a ver
ifica viene giudicato non significativamente diverso da zero, ossia si considera
che la stima di tale parametro sia risultata diversa da zero solo per effetto d
el caso, l'operatore che corrisponde a tale parametro deve essere escluso dal mode
llo ed il modello stesso deve essere ristimato nella sua nuova forma.