La historia de la IA

Máxima verosimilitud

Etapa 1 · Los fundamentos (1763–1942) › Probabilidad y estadística

Linaje
Datos y aprendizaje
Tipo
Formulación

Quién

Qué ocurrió

Ronald Fisher publica en Philosophical Transactions of the Royal Society «On the mathematical foundations of theoretical statistics», leído ante la Royal Society en noviembre de 1921.

Qué aportó

Máxima verosimilitud y fundamentos de la estadística inferencial: los conceptos de parámetro, estadístico, consistencia, eficiencia y suficiencia. Entrenar un modelo con datos sigue siendo, a menudo, maximizar su verosimilitud.

Desarrollo

A principios del siglo XX la estadística era una colección de técnicas sin una teoría común. Ronald Fisher, matemático inglés, se propuso darle una. Su artículo de 1922, de unas sesenta páginas, se envió en junio de 1921, se leyó ante la Royal Society el 17 de noviembre y se publicó el 19 de abril de 1922.

Fisher divide el trabajo del estadístico en tres problemas. La especificación elige la familia de distribuciones que describe los datos. La estimación calcula, a partir de una muestra, los valores de las cantidades desconocidas de esa distribución. La distribución estudia cuánto varían esos cálculos de una muestra a otra. Para hablar con precisión introduce dos términos que se siguen usando: parámetro, la cantidad desconocida de la población, y estadístico, lo que se calcula con la muestra.

Su método de estimación es la máxima verosimilitud: elegir los parámetros con los que los datos observados resultan más probables. Gauss, Laplace y Edgeworth lo habían usado, pero Fisher lo convirtió entre 1912 y 1922 en un método general, y definió las propiedades que debe tener un buen estimador: consistencia, eficiencia y suficiencia. En 1938 Samuel Wilks publicó la demostración, hoy llamada teorema de Wilks, que dio al método una justificación más allá de la intuición.

El artículo, y el trabajo de Fisher y Neyman después, apartó durante un cuarto de siglo los métodos de probabilidad inversa de Laplace. Hoy, entrenar un modelo de aprendizaje automático consiste muchas veces en maximizar su verosimilitud.

Nivel técnico

La verosimilitud de un valor del parámetro θ es la probabilidad de los datos observados si θ fuera el verdadero: L(θ) = P(datos | θ). El estimador de máxima verosimilitud es el θ que la hace máxima. Por comodidad se maximiza su logaritmo, que convierte el producto de las probabilidades de cada dato en una suma.

Si los errores siguen una distribución normal, maximizar la verosimilitud equivale a minimizar la suma de errores al cuadrado: los mínimos cuadrados son un caso particular. Entrenar un modelo de lenguaje minimizando la entropía cruzada es, también, maximizar la verosimilitud del texto de entrenamiento.

Viene de

  • Théorie analytique des probabilités (1812)

    Herencia sin relación directa demostrada

    Laplace y Gauss habían usado la máxima verosimilitud en casos concretos; Fisher la convierte en un método general de estimación

Bibliografía

Cómo citar

«Máxima verosimilitud». En La historia de la IA, revisión del 13 de noviembre de 2026. https://thehistoryofai.com/es/hito/fisher-maxima-verosimilitud

Última revisión de esta ficha: 13 de noviembre de 2026.

Abrir en la cronología interactiva