稳健的惩罚经验似然方法及压缩估计

本文基于原有的经验似然函数,在经验似然的约束条件中的估计方程上加入Huber函数和权重函数,将经验似然方法和稳健估计方程相结合,再在目标函数中加上SCAD惩罚函数,提出一种稳健的变量选择和惩罚估计方法.通过数值模拟与最小二乘估计和普通的惩罚经验似然估计在变量选择和参数估计方面进行比较,显示本文所提出的基于惩罚稳健经验似然的压缩估计具有明显优势.     

一种惩罚最大似然方法估计混合回归模型

本文考虑具有正态误差假设下混合回归模型的参数估计问题.由于似然函数的无界性,混合回归模型普通的最大似然估计不存在.本文提出一种惩罚最大似然方法来估计混合回归模型的参数,证明惩罚最大似然估计量(penalized maximum likelihood estimation, PMLE)具有强相合和渐近正态性.通过深入模拟研究,从估计精确性角度看,惩罚最大似然估计量有很好的表现.本文还给出一个音调感知的例子来说明理论结果的应用.     

函数型Probit模型的sieve极大似然估计

研究函数型Probit模型的sieve极大似然估计的渐近性质.在一定的条件下,证明了估计的强相合性和渐近正态性以及该估计的非参数部分达到最优收敛速度.最后给出了一个模拟研究,表明sieve极大似然估计有较好的有限样本性质.     

恒定应力部分加速寿命试验的统计分析

本文针对定时截尾试验的弊端提出一个新的寿命试验方案,基于试验数据得到似然函数,运用极大似然法得到尺度参数的点估计.利用EM算法得到了形状参数和加速因子的迭代方程,并根据缺损信息原则计算了Fisher信息矩阵.根据极大似然估计的渐近正态性,推导出参数的渐近置信区间.通过Monte Carlo方法对估计的平均绝对值相对偏差和均方误差进行模拟计算,并讨论了样本量对估计精度的影响.最后通过具体的样本,在不同应力水平下计算出形状参数、加速因子和可靠度的估计.     

用Excel软件实现最大似然估计数值计算的方法

本文给出用Excel软件实现最大似然估计数值计算求解的方法。内容包括对似然方程求数值解、直接对似然函数或对数似然函数求极大值以及分组数据最大似然估计的数值计算。     

三种两样本经验Euclidean似然方法及其比较

本文研究三种两样本经验Euclidean似然方法，基于两个无偏估计函数的经验Euclidean似然方法，基于一个无偏估计函数和一个历史经验估计的经验Euclidean惩罚似然方法，基于两个经验估计的加权和方法，我们研究了这些方法的强相合性，渐近正态性和渐近有效性，研究表明，这三种方法是同等渐近有效的。     

结构经济序列分析的状态空间方法

2.2状态空间模型参数的极大似然估计 在本文　1中我们建立了结构时间序列的状态空间模型(1.3),在该模型中状态转移阵Φ(其中的自回归项参数α1,α2。…,αp),状态噪声协方差阵Q(其对角线上的σξ2,σ 2n,αe2,αξ2)及量测噪声方差k都是待估计的.此外在进行Kαlmαn滤波时,状态及协方差阵的近值X(0/0), P(0,0/0)也是待估计的.我们将未知参数简记为 0=(Φ,Q,R,X(0/0),P(0,0/0)假定已得到观测数据我们通过极大化观测数据的似然函数来估计未知数. 观测数据的似然函数是上式中f是条件概率密度函数. 由状态空间的状态方程及量测方程(1.3)可得…     

马氏双链函数的一个强大数定律

本文研究了马氏双链函数的一个强大数定律.利用该定律,获得了马氏双链从一个状态到另一个状态转移概率的极限性质,推广了经典马氏双链的极限性质.     

非平稳Gauss环境激励下模态参数识别的新方法

结合多元连续时间自回归模型,针对受均匀调制Gauss随机激励的线性时不变系统,提出了一种时域模态识别的新方法.该方法仅从响应数据就能够识别系统的物理参数.首先把结构动力学方程转化为一个3阶的连续时间自回归模型;接着基于在非常短的时间段内均匀调制函数接近于一个常数矩阵以及随机微分方程强解的性质,得到均匀调制函数的估计, 并针对两种特殊情况进行讨论;然后利用Girsanov定理,对条件似然函数进行极大化,得到物理参数的精确极大似然估计.数值结果表明,该估计不仅具有极高的精度和稳健性,而且计算效率非常高.     

自然联系函数下自适应设计广义线性模型的渐近性质(英文)

本文在一些弱的条件下,对自然联系函数和自适应设计下广义线性模型的极大拟似然估计渐近性进行研究,获得了极大拟似然估计的渐近存在性、弱相合性、收敛速度及渐近正态性.并通过蒙特卡罗数值模拟的方法对所得结果进行验证.     

一个简化的新Laplace AR(1)模型 参数估计及其渐近性质

研究了一个简化的新的Laplace AR(1)模型参数的条件最小二乘估计和最大拟似然估计,并讨论了它们的强相合性和渐近正态性.通过数值模拟和实际例子,说明了最大拟似然估计及模型的优越性.     

Ⅰ型双删失下逆Rayleigh分布的统计分析

在Ⅰ型双删失样本下,用极大似然法得到了逆Rayleigh分布尺度参数估计的迭代公式.根据遗失信息原则计算出了Fisher信息矩阵,由极大似然估计的渐近正态性得到了参数的置信区间.取共轭先验分布,在平方损失函数下,求得了未知参数、可靠度函数的贝叶斯估计和参数的等尾置信区间.根据后验预测密度函数,得到了预测值的估计.通过Monte Carlo随机模拟,得到了多种估计值,并进行了比较,结果表明在小样本场合贝叶斯估计要优于极大似然估计.     

非线性半参数回归模型的最大经验似然估计

对于非线性半参数回归模型的估计问题,利用经验似然方法,给出了回归系数,光滑函数以及误差方差的最大经验似然估计.在一定条件下证明了所得估计量的渐近正态性和相合性.     

正倒向随机微分方程的参数估计

本文的研究目标是离散观测下正倒向随机微分方程中未知参数的估计及其性质.作为第一步,本文考虑一个线性模型.本文先导出两个状态过程的关系式,进而找到离散观测数据的似然函数.最后详细讨论最大似然估计量的相合性和渐近正态性.     

随机截尾情形下Rayleigh分布参数的最大似然估计

研究了随机截尾情形下Rayleigh分布参数的最大似然估计,研究了最大似然估计的存在唯一性;在很一般的条件下证明了估计的强、弱相合性和渐近正态性.     

双重广义线性模型的经验似然推断

基于截面经验似然方法,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.最后通过数据模拟,将该方法与正态逼近方法比较,说明了该方法是有效和可行的.     

拟似然非线性模型中MQLE的弱相合性的充分条件

拟似然非线性模型包括广义线性模型作为一个特殊情形.给出了拟似然非线性模型中极大拟似然估计的弱相合性的一些充分条件,其中矩的条件要弱于文献中极大拟似然估计的强相合性的条件.     

Lomax分布极大似然估计的两点研究

本文研究了Lomax分布参数极大似然估计的存在性和估计量的收敛性问题.利用严格的分析法和中心极限定理,获得了Lomax分布极大似然估计的存在性和估计量的渐近正态分布的结果,进一步推广到了有缺失数据的两个Lomax总体中,参数的极大似然估计有强相合性和渐近正态性.     

基于ARFIMA-GARCH模型的混成检验

本文研究了ARFIMA-GARCH模型的混成检验问题.基于拟极大指数似然估计,给出了平方残差自相关函数的渐近性,进而建立了基于平方残差自相关函数的混成检验统计量.通过实例分析,表明可利用基于平方残差自相关函数的混成检验统计量来诊断检验由拟极大指数似然估计方法拟合的ARFIMA-GARCH模型.     

非线性模型中的拟似然估计和约束拟似然估计

该文证明了,在非线性回归模型中,若以均方误差或均方误差矩阵为标准,拟似然估计是正则广义拟似然估计类中的最优估计,并讨论了拟得分函数最优性与拟似然估计最优性的关系.为改进拟似然估计,该文提出了一种约束拟似然估计,并证明了约束拟似然估计比拟似然估计有较小的均方误差.