缺失数据下半参数空间自回归模型的估计

本文研究了响应变量随机缺失时部分线性空间自回归模型的估计问题.结合B样条方法,我们给出了该模型参数部分和非数部分的极大似然估计的EM算法、伪限制极大似然估计的EM算法、以及边际极大似然估计算法,并通过数值模拟比较了三种估计和相应算法在不同的样本容量、缺失比例及空间权重矩阵下数值表现.最后,通过一个实际例子进一步验证三种方法的优良性.     

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.     

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.     

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.     

基于EM算法隐Markov模型参数估计

描述最大似然参数估计问题,介绍如何用EM算法求解最大似然参数估计.首先给出EM算法的抽象形式,然后介绍EM算法的一个应用:求隐Markov模型中的参数估计.用EM算法推导出隐Markov模型中参数的迭代公式.     

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.     

基于数据分组与右删失情形下对数正态分布的参数估计

本文研究了对数正态分布数据在分组与删失情形下参数的估计问题. 一是给出未知参数的极大似然估计存在且唯一的充要条件. 二是利用EM算法对参数值进行了估计.     

风险非同质时索赔次数的分布拟合及其EM算法

本文运用EM算法,对于风险非同质时索赔次数的分布,分别给出了离散型多元风险模型,混合两伽玛模型参数的极大似然估计的迭代公式,并将其应用到一个实际问题中去,效果较好。     

Buehler置信限的计算

在医学研究和产品研制过程中, 由于试验对象难于找到或者试验费用昂贵常出现小样本情形. 此时, 精确置信推断尤其重要. 只要在样本空间中给出一种序就可以定义模型参数的某个函数的精确置信限. 这样得到的置信限称为Buehler置信限. 虽然它的定义比较容易, 但是当多维参数或者不完全观测数据出现时, 计算有时难于实行. 为了解决这种计算问题, 本文构造出一种基于EM算法的方法. EM算法原本是用于求解极大似然估计的方法, 在这里EM算法首次被用于求解精确置信限. 分析了3种模型和一组实际数据以说明这个方法.     

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.     

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.     

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.     

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.     

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.     

非线性再生散度随机效应模型似然函数的Laplace逼近

首先提出用Lap lace逼近方法对非线性再生散度随机效应模型的边缘对数似然函数进行近似,然后基于近似的边缘对数似然函数利用F isher'sscoring迭代算法得到了模型参数的极大似然估计.模拟研究和实例分析表明了该算法的可行性.     

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.     

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.     

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。     

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.     

右删失数据下带协变量威布尔分布模型参数的估计

研究了数据右删失时威布尔分布刻度参数依赖于协变量情形下模型参数的估计问题,通过EM算法求解参数的极大似然估计.详细给出E步推导过程的同时,利用稳定的Gauss-Seidel迭代来实现M步.文章通过计算机模拟考察了所提方法在不同删失比例下的表现,并通过实例分析展示了该方法的应用.