
Un método estadístico para estimar parámetros maximizando la función de verosimilitud.La estimación por máxima verosimilitud (EMV) es una piedra angular de la inferencia estadística. Proporciona una forma fundamentada de elegir los parámetros de una distribución de probabilidad que mejor expliquen los datos observados. Dado un conjunto de puntos de datos y un modelo candidato (por ejemplo, una distribución normal con media y varianza desconocidas), la EMV selecciona los valores de los parámetros que hacen que los datos observados sean más probables bajo ese modelo. Esta 'mayor probabilidad' se cuantifica mediante la función de verosimilitud, que mide cuán probable son los datos en función de los parámetros.
El método fue introducido por Ronald Fisher en la década de 1920, basándose en trabajos anteriores de Carl Friedrich Gauss y otros. Fisher formalizó el concepto y estableció sus propiedades deseables, como la consistencia y la eficiencia.
La función de verosimilitud L(θ | datos) se construye como el producto de las probabilidades (o densidades de probabilidad) de cada punto de datos observado, dado el vector de parámetros θ. La EMV encuentra el θ que maximiza este producto. En la práctica, a menudo se maximiza la log-verosimilitud (el logaritmo natural de L) porque convierte el producto en una suma, lo que facilita la diferenciación y es numéricamente estable. El máximo se encuentra igualando a cero la derivada de la log-verosimilitud con respecto a θ y resolviendo, o mediante algoritmos de optimización numérica iterativos cuando no existe una solución cerrada.
La EMV es omnipresente en ciencia e ingeniería: sustenta el análisis de regresión, el entrenamiento de redes neuronales (mediante la pérdida de entropía cruzada) y la estimación de parámetros en experimentos de física, desde la física de partículas hasta la cosmología.
La EMV no siempre es insesgada: por ejemplo, la estimación por máxima verosimilitud de la varianza de una distribución normal está sesgada hacia abajo por un factor de (n-1)/n, razón por la cual la varianza muestral utiliza n-1.
















