缺失数据下含几何分布的对数线性模型的EM算法

本文研究缺失数据下对数线性模型参数的极大似然估计问题.通过Monte-Carlo EM算法去拟合所提出的模型.其中,在期望步中利用Metropolis-Hastings算法产生一个缺失数据的样本,在最大化步中利用Newton-Raphson迭代使似然函数最大化.最后,利用观测数据的Fisher信息得到参数极大似然估计的渐近方差和标准误差.     

Ⅰ型逐阶删失数据下基于EM算法的Weibull参数估计

研究了Ⅰ型逐阶删失数据下基于EM算法的Weibull参数估计,模拟产生不同Weibull参数组合和删失计划下的Ⅰ型逐阶删失数据,应用基于,EM算法的极大似然估计方法得到参数的估计值,并与数值方法得到的极大似然估计值进行对比,说明EM算法的估计效果.对73名肾脏移植患者生存数据进行实例分析,验证了基于EM算法的参数估计方法的可行性.     

EM算法在假设检验中的应用

给出了EM算法在统计中一个新的应用领域——假设检验. EM算法通常是用来求解模型参数极大似然估计的一种有效的迭代算法. 这种算法利用数据扩张, 将比较复杂的似然函数的最优化问题化成一系列比较简单的函数的优化问题. 而对于一个模型来说, 假设检验往往比极大似然估计更为复杂. 所以有必要找到简单的方法解决假设检验中的较为复杂的优化问题. 所给出的方法不是建立在大样本理论基础上, 因此特别适合于中小样本情形.     

一个新的具有单调降失效率的寿命分布

本文由Pareto分布和Logarithmic分布"混合"生成两参数具有单调降失效率的新型寿命分布,研究了该分布的矩、熵、失效率函数、平均剩余寿命和参数的极大似然估计,应用EM算法求参数的极大似然估计,进行了数值模拟.     

有限混合Laplace分布回归模型局部估计的EM算法

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题. 利用核回归方法和最大化局部加权似然函数的EM算法, 获得了参数函数的局部极大似然估计量, 并讨论了它们的渐近偏差, 渐近方差和渐近正态性. 推广了有限混合回归模型下局部非参数估计的结果.     

删失截断情形下失效率变点模型的Bayes参数估计

通过添加部分缺失寿命变量数据,得到了删失截断情形下失效率变点模型相对简单的似然函数.讨论了所添加缺失数据变量的概率分布和随机抽样方法.利用Monte Carlo EM算法对未知参数进行了迭代.结合Metropolis-Hastings算法对参数的满条件分布进行了Gibbs抽样,基于Gibbs样本对参数进行估计,详细介绍了MCMC方法的实施步骤.随机模拟试验的结果表明各参数Bayes估计的精度较高.     

有限混合Laplace分布回归模型局部估计的EM算法（英文）

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题.利用核回归方法和最大化局部加权似然函数的EM算法,获得了参数函数的局部极大似然估计量,并讨论了它们的渐近偏差,渐近方差和渐近正态性.推广了有限混合回归模型下局部非参数估计的结果.     

不完全资料下logistic回归模型参数估计的EM算法

本文讨论了带有不完全观测协变量的资料的logistic,回归模型。在假设不完全是由于部分观测个体随机缺失(missing at random.MAR)部分协变量的前提下,给出了参数的极大似然估计的EM算法,并导出观测信息阵的具体形式。最后以实例加以验证。     

偏正态混合模型的惩罚极大似然估计

在分析具有异质性和非对称性数据时,偏正态混合模型提供一种比经典的Gauss混合模型更为灵活的建模方式.然而,由于无界的似然函数和发散的形状参数,该模型的极大似然估计并未被正确定义,进一步导致不理想的推断过程.为同时解决这两个问题,本文基于惩罚似然提出一种新的估计方案,并证明在混合分布的类别个数大于或等于真实的类别个数时,相应的惩罚极大似然估计是强相合的.同时,本文也提出相应的惩罚EM (expectation maximization)算法来计算惩罚估计.最后,通过模拟分析与现有方法比较研究估计方法在有限样本下的表现,并采用两个实例说明方法的有效性.     

基于经验似然的部分线性模型的统计诊断

经验似然方法己经被广泛应用于许多模型的统计推断.本文基于经验似然对部分线性模型进行统计诊断.首先给出模型的估计方程,进而得到模型参数的极大经验似然估计;其次,基于经验似然研究了三种不同的影响曲率;最后通过随机模拟和实例分析,说明了统计诊断方法的有效性.     

双边定时截尾样本下广义逆指数分布形状参数的估计

先给出了广义逆指数分布在双边定时截尾样本下形状参数的最大似然估计,并不能得到估计的显式表达式,但证明了参数在(0,+∞)上最大似然估计是唯一存在的.其次提出用EM算法求出形状参数的估计且该估计具有良好的收敛性,还给出了形状参数的EM估计的渐近方差和近似置信区间;最后通过数值模拟,对形状参数的最大似然估计和EM估计的效果进行了比较,说明了用EM算法求形状参数的估计是可行的,并且模拟效果相对比较好.     

不同缺失率下EM算法的参数估计

缺失数据是林学研究中普遍存在的一种现象,依据极大似然的思想,对林学研究中有缺失数据的线性模型,推导出了基于EM算法参数估计的迭代公式,为考察样地林分质量,以8个杉木固定样地观测资料的真实数据建立模型,通过计算机模拟和有关的数据分析,得到了12种不同缺失率下参数的估计结果,并与完全数据时的参数估计进行了比较。     

混合双参数广义Pareto分布的参数估计

Pareto分布族因其厚尾特点,在金融分析、寿命分析中都是非常重要的统计模型.但是对于混合双参广义Pareto分布,在模型参数估计时,传统的矩法估计和极大似然估计在理论上可以实现,实践时比较困难.本文应用EM算法之ECM算法,研究了混合广义Pareto分布在完全数据场合下的参数估计问题,并模拟说明EM算法来估计混合广义Pareto分布是一种容易实现又非常有效的方法.     

混合非线性联合均值与方差模型的统计推断

在异质总体中,混合回归模型是最重要的统计数据分析工具之一.提出了混合非线性联合均值与方差模型,通过EM算法研究了该模型参数的极大似然估计,并通过随机模拟实验验证了所提出方法的有效性.最后,结合实际数据验证了该模型和方法具有实用性和可行性.     

混合指数分布的参数估计

混合指数分布是寿命数据分析中一个非常重要的统计模型\bd 但是利用正规的统计方法如矩估计、极大似然估计等估计模型的参数往往比较困难\bd 本文应用EM算法详细研究了混合指数分布在正常工作条件下和在进行恒加应力加速寿命实验条件下, 在完全数据场合、I-型截尾和II-型截尾场合的参数估计问题\bd 模拟说明利用EM算法来估计混合指数分布是一种非常有效的方法.     

基于极值分布下混合联合位置与散度模型的参数估计

极值分布在金融工程、气象工程和其他领域中都有重要用途,本文提出基于极值分布下的混合联合位置与散度模型,通过EM算法给出该模型参数的极大似然估计.最后,通过随机模拟和实例研究说明该模型和方法是有用和有效的.     

ABC-EM算法对微商信息传播模型的参数估计

在基于不完备的实验数据条件下,利用近似贝叶斯计算-期望最大化(ABC-EM)算法估计复杂网络中离散时间的随机微商信息传播模型中的参数。首先通过分析微商网络的特点和微商信息传播机制,建立了适合微商信息传播模型的模型,即无知-传播-免疫(ISR)模型。此外,在尝试通过极大似然法(ML)和期望最大化算法(EM)来估计模型的参数失败之后,使用近似贝叶斯连续蒙特卡罗(ABC-SMC)来代替EM算法的E步,并且用ABC-EM算法成功地估计了模型中的参数。最后,仿真结果表明ABC-EM算法比极大似然法估计参数的准确性要高。     

基于t分布下混合联合位置与尺度模型的参数估计

t分布是分析厚尾数据的重要统计工具,本文基于t分布提出了稳健的混合联合位置和尺度参数的回归模型,通过EM算法给出该模型参数的极大似然估计,通过随机模拟试验验证了所提出方法的有效性.本文结合实际数据验证了该模型和方法具有实用性和可行性.     

二元广义Weibull模型(英文)

本文研究了一个二元广义Weibull分布模型,其边缘分布分别是一元广义Weibull分布.利用EM算法,得到了未知参数的极大似然估计和观测Fisher信息矩阵.     

基于Laplace分布下混合联合位置与尺度模型的参数估计

Laplace分布是分析厚尾数据的重要统计工具之一,本文基于Laplace分布提出了稳健的混合联合位置和尺度参数的回归模型,通过EM算法给出了该模型参数的极大似然估计,通过随机模拟试验验证了所提出方法的有效性.本文结合实际数据说明了该模型和方法具有实用性和可行性.