Algoritmos de optimización para la estimación de máxima verosimilitud.

Ponente(s): Cesar Garcia Guzman

La estimación de máxima verosimilitud (MLE) es una de las técnicas mas populares en aplicaciones econometricas y otras aplicaciones estadísticas debido a su fuerte atractivo teórico, pero puede conducir a problemas numéricos cuando se resuelve el problema de optimización subyacente[1]. En este póster se expondrá uno de los métodos de búsqueda de regiones y leneas de confianza y nos centramos en el impacto que la aproximación de la matriz Hessiana tiene en sus respectivos resultados. En particular,se proponemos nuevos métodos para cambiar entre los esquemas de aproximación y comparar la efectividad de estas estrategias con los enfoques existentes. Se evaluara la eficiencia numérica de los métodos de conmutación propuestos para la estimación de modelos de elección discreta