基于离散观测下Cauchy-OU过程的最大似然估计

基于离散观测样本,本文研究Cauchy-OU过程的参数估计问题.在大多数情况下,离散时间的最大似然函数是不能直接计算出来的,因此采用傅里叶变换及Gaver-Stehfest算法,构造似然函数的一个显式逼近序列,且该序列收敛于真实(但未知)的似然函数.最后,采用最大似然估计法估计出未知参数.仿真实验表明,所得到的参数估计是比较准确且稳定的.     

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.     

极大似然估计算法研究

将解一元方程的二分法推广至求解多元非线性方程组.以第K个变元Xk为参数,则κ元方程组就可以看作曲线s(前κ-1个方程)和κ-1维曲面C(第κ个方程),于是κ元方程组的解就可以看作寻找曲线s和曲面C的交点.对参数Xk作二分法,重复迭代,直到找到满足误差要求的方程组的解.最后给出了用多元二分法的算法求解极大似然估计的数值解.     

基于离散观测的OU型过程的经验似然估计

基于离散观测样本,借助条件特征函数,提出了OU型过程参数的经验似然估计,并证明了最大经验似然估计的相合性和渐近正态性,同时证明了在适当的附加条件下,该估计是渐近有效的.当驱动Lévy过程具有某种特殊形式时,发现OU型过程的强度参数能够首先估计出来.在此特殊情形下,提出了OU型过程中其余参数的最大经验似然估计,并讨论了其相合性、渐近正态性和渐近有效性.基于经验似然比统计量,给出了参数检验和估计方程检验的似然比检验方法.模拟显示所提出的估计方法是准确和稳定的.     

Logistic回归系数极大似然估计的计算

本文介绍了Logstic回归系数的极大似然估计（maximum likelihood）的计算,并引入Levenberg—Marquardt算法,通过这代给出了Logistic回归系数的极大似然估计。     

一类线性结构模型参数的极大似然估计及拟极大似然估计的渐近性质

不少作者探讨过参数的极大似然估计(以下简记为 MLE)的渐近性质.一些统计工作者还把极大似然估计方法用于估计部分参数.即在参数为θ=(θ′_1,θ′_2)′的模型中,当不易求出θ的 MLE,而我们的目的是估计 θ_2时,可将似然函数中其余的参数θ_1用它们的估计(?)来代替,然后极大化这个经代换后的似然函数来求得 θ_2的估计.这就是所谓拟极大似然估计(以下简记为 PMLE).     

极大似然估计某些问题的讨论

<正> 极大似然估计方法是对未知数进行点估计的重要方法,其基本思想是对于给定的样本观察值,在参数空间中选择某值,使当参数取该值时,随机样本取当今的观察值的概率为最大,那么就以此参数值作为未知参数的极大似然估计(对于连续型的随机变化,则考虑样本落在当今观察值某小邻域内的概率为最大的参数值)。于是对于同一个未知参数,由于所做的试验不同(即样本的来源不同),则极大似然估计也可能不同,但有时也可能相同,本文将给出这方面的例子,并给出某些问题参数的极大似然估计的方法。     

极大似然估计的存在性定理

关于极大似然估计存在性的较一般性定理,对于极大似然估计一般理论的发展来说是需要的。本文的目的,是在似然函数关于子样值与参数值乘积可测,或者关于参数“逐段有可测上确界”的情况下,用容度理论来讨论极大似然估计的存在性问题。显然,本文的结果也将适用于其他形式的极值型解的可测性问题。     

极大似然估计的 Bahadur 渐近有效性

<正> 极大似然估计(MLE)的渐近有效性,一直是统计工作者所感兴趣的重要课题.资料中对估计的渐近有效性有多种定义:如最好渐近正态(B,A,N),Cramér 意义渐近有效等.后来 Bahadur 于1960年在文[2]中又提出了另一种渐近有效性概念.它与Cramér 渐近有效性一样,要求严格,研究碰到了一些困难.Bahadur 虽在[2]中给出了单参数为 Bahadur 意义渐近有效(简记为 B-渐近有效)的充分条件,但是不便使用.近年     

线性模型误差方差的经验似然估计（英文）

本文应用经验似然方法得到了线性模型误差方差的一类新的估计,证明了估计的渐近分布为正态分布且渐近方差不超过常用的误差方差估计的渐近方差,同时给出了渐近方差的显式表达.     

离散观测下分数Vasicek模型的参数估计（英文）

分数Vasicek模型是对经典Vasicek随机利率模型的一种推广,它能够有效刻画利率序列的均值回复性和长记忆性.为将模型应用于实践,考虑离散观测下分数Vasicek模型中两个未知参数即长期均衡利率水平和短期利率偏离长期利率时的调节速度的估计问题.运用Borel-Cantelli引理、Markov不等式和Cauchy-Schwarz不等式,说明了未知参数估计量的强一致收敛性.     

ARMA模型变化点的极大似然估计

设W_1,…W_(n-1),W_n,…,W_m是对系统S的无间断等时间间隔的K维观测向量,样本W_1,…,W_(n-1)和样本W_n,…,W_m相互独立且分别来自两个不同的ARMA模型:     

布朗运动和次分数布朗运动混合的局部时（英文）

本文研究了布朗运动和次分数布朗运动混合的局部时问题.利用白噪声分析方法和次分数布朗运动的另一种表示形式,证明了该局部时是一个Hida广义泛函.进一步,借助于S-变换给出了该局部时的混沌表示.最后获得了该局部时的正则性条件.推广了布朗运动局部时的一些结果.     

基于SOA的矢量水听器阵列极大似然DOA估计

极大似然波达方向估计方法虽然具有良好的估计性能,但由于其巨大的计算量,限制了实际应用.提出一种将人群搜索算法与极大似然估计相结合的方法,利用人群搜索算法优化多维非线性的极大似然DOA估计谱函数,加快了收敛速度.通过与正余弦算法、遗传算法和粒子群算法的对比实验果表明,所提方法在不同信号源个数、不同信噪比、不同种群数下,均...     

有关顺序统计量的极大似然估计

讨论了一类参数空间受样本限制的极大似然估计问题.分析了随机变量分布的非零区域与似然函数定义域的对应关系,提出如果分布的非零区域受参数限制,则无论似然方程是否可解,参数的极大似然估计必然与样本顺序统计量X_((n))或X_((1))有关,并具体分析了似然估计一定等于、一定不等于和可能等于顺序统计量X_((n))(X_((1)))的三种情形,并给出了相应的判别条件.最后分析得出在第三种判别条件之下,似然估计是否取值于x_((n))(x_((1)))视具体的样本观测值决定.     

统一处理极大似然估计的一个方法

利用方开泰和王元(1989)提出的序贯数论方法的一个优化算法(SNTO),本文给出求统计分布参数的极大似然估计的一个统一方法。为了说明这个方法的运用,我们集中处理威布尔和贝它分布的参数极大似然估计。许多例子表明,我们的方法是普遍有用和有效的。     

有重复观测时EV模型修正极大似然估计的相合性

研究了在一些实验点有重复观测时一维线性EV模型的参数估计问题 .在适当的条件下证明了估计的强弱相合性     

基于同伦分析法的威布尔分布极大似然估计

威布尔(Weibull)分布极其广泛地被应用于生存分析和可靠性分析中,其形状参数和尺度参数在应用中通常用极大似然法及其相关数值方法来估计.在统计学文献中,首次利用同伦分析法方便地找到了Weibull分布中参数极大似然估计的近似解析表达式,从而对繁琐且不太可靠的数值方法提供了一个重要补充;特别地,由于利用了同伦分析法中的收敛控制参数,从而可保证得到的近似解析表达式的收敛性.蒙特卡洛模拟表明,所提出的近似解析方法具有相当高的可行性和精确性.从模拟结果可以得出,在统计学中同伦分析法可避开摄动法过分依赖小参数的缺点,且其近似解析解非常精确;利用同伦分析法,统计学中很多其它情形下的极大似然估计的近似解析表达式也可求得.