Neste trabalho apresentamos os resultados de consistência e normalidade assintótica para o estimador de máxima verossimilhança de uma Cadeia de Markov ergódica. Além disso apresentaremos os Modelos de Mistura de Distribuição Independente e um dos casos de Modelos de Mistura Dependente: os Modelos Ocultos de Markov. Estimaremos os parâmetros destes modelos a partir do método da máxima verossimilhança e abordaremos o critério de seleção através do cálculo do AIC e BIC. / This paper presents the results of consistency and asymptotic normality for the maximum likelihood estimator of the ergodic Markov chain. In addition we present the Independent Mixture Models and one case of Dependent Mixture Models: the Hidden Markov Models. We estimate the parameters of these models from the maximum likelihood method and discuss the selection criteria by calculating the AIC and BIC.

Neste trabalho apresentamos os resultados de consistência e normalidade assintótica para o estimador de máxima verossimilhança de uma Cadeia de Markov ergódica. Além disso apresentaremos os Modelos de Mistura de Distribuição Independente e um dos casos de Modelos de Mistura Dependente: os Modelos Ocultos de Markov. Estimaremos os parâmetros destes modelos a partir do método da máxima verossimilhança e abordaremos o critério de seleção através do cálculo do AIC e BIC. / This paper presents the results of consistency and asymptotic normality for the maximum likelihood estimator of the ergodic Markov chain. In addition we present the Independent Mixture Models and one case of Dependent Mixture Models: the Hidden Markov Models. We estimate the parameters of these models from the maximum likelihood method and discuss the selection criteria by calculating the AIC and BIC.

Neste trabalho apresentamos os resultados de consistência e normalidade assintótica para o estimador de máxima verossimilhança de uma Cadeia de Markov ergódica. Além disso apresentaremos os Modelos de Mistura de Distribuição Independente e um dos casos de Modelos de Mistura Dependente: os Modelos Ocultos de Markov. Estimaremos os parâmetros destes modelos a partir do método da máxima verossimilhança e abordaremos o critério de seleção através do cálculo do AIC e BIC. / This paper presents the results of consistency and asymptotic normality for the maximum likelihood estimator of the ergodic Markov chain. In addition we present the Independent Mixture Models and one case of Dependent Mixture Models: the Hidden Markov Models. We estimate the parameters of these models from the maximum likelihood method and discuss the selection criteria by calculating the AIC and BIC.