指数函数与幂函数回归计算的极大似然法及其应用

为提高拟合精度,研究了指数函数与幂函数非线性回归计算的极大似然法.分析表明,在指数函数与幂函数回归计算的因变量为正态随机变量的情况下,极大似然估计与非线性回归的最小二乘估计具有相同的结果;导出了极大似然法求解指数函数与幂函数回归参数的方程式,并给出了计算方法.此方法拟合因变量的残差平方和为最小.实例表明,本文方法拟合精度与高斯-牛顿法相当、显著优于线性化的回归方法,而计算方法要比高斯-牛顿法简单方便,易于实现.     

缺失数据下半参数变系数部分线性模型的统计推断

该文研究协变量随机缺失下半参数变系数部分线性模型的统计推断.利用逆概率加权最小二乘方法给出了模型中参数分量和非参数分量的估计,并证明了它们的渐近正态性.另外该文又提出了一个逆概率加权经验对数似然比统计量,并证明该统计量服从标准χ~2分布,从而构造了模型中参数分量的经验似然置信域.最后通过模拟研究和实例分析说明该文提出的方法具有较好的有限样本性质.     

非线性半参数回归模型中参数的经验似然置信域

该文考虑非线性半参数回归模型,构造了模型中未知参数的经验对数似然比统计量,证明了所提出的统计量具有渐近Χ²分布,由此结果可以用来构造未知参数的置信域.另外,该文也构造了未知参数 的最小二乘估计量,并证明了它的渐近性质.仅就置信域精度及其覆盖概率大小方面,通过模拟研究比较了经验似然方法与最小二乘法的优劣.     

部分函数线性模型的经验似然推断

本文考虑部分函数线性回归模型,研究了回归系数的经验似然推断,证明了所提出的经验对数似然比渐近于χ~2分布,此结果可以用来构造了相应兴趣参数的置信域.另外,本文也给出了系数函数的极大经验似然估计,并在适当条件下给出了所提出估计量的收敛速度.仅就置信域精度及其覆盖概率大小方面,通过模拟研究和实例分析比较了经验似然方法与最小二乘方法的优劣.     

右删失数据下非线性回归模型的经验似然推断

考虑随机右删失数据下非线性回归模型,提出了模型中未知参数的调整的经验对数似然比统计量.在一定的条件下,证明了.所提出的的统计量具有渐近χ~2分布,由此结果构造了兴趣参数的置信域.通过模拟研究,对经典的经验似然、调整的经验似然和非线性最小二乘方法在有限样本下进行了比较,并对氯离子浓度试验数据进行了分析.     

非参数异方差回归模型的局部多项式估计——基于农村居民消费与收入的实证分析

本文主要研究非参数异方差回归模型的局部多项式估计问题.首先利用局部线性逼近的技巧,得到了回归均值函数的局部极大似然估计.然后,考虑到回归方差函数的非负性,利用局部对数多项式拟合,得到了方差函数的局部多项式估计,保证了估计量的非负性,并证明了估计量的渐近性质.最后,通过对农村居民消费与收入的实证研究,说明了非参数异方差回归模型的局部多项式方法比普通最小二乘估计法的拟合效果更好,并且预测的精度更高.     

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.     

单参数Pareto分布变点估计研究

研究单参数Pareto分布存在变点时的估计问题,分别利用极大似然估计法和贝叶斯方法对单参数Pareto分布的变点进行估计,并运用Matlab软件进行随机模拟,随机结果表明贝叶斯方法与极大似然估计相比,估计值更接近真值.     

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.     

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.     

二元Marshall-Olkin型指数分布的矩估计及最大似然估计

本文讨论二元Marshall-Olkin型指数分布的参数估计.首先获得参数的矩估计,然后导出了基于完全样本下的似然函数,从而获得了参数的最大似然估计,并得到了参数的无偏估计.文末给出了参数的最大似然估计的模拟迭代值.     

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.     

基于蒙特卡洛算法的航空兵场站装备广义维修过程研究

研究了适用于航空兵场站可修装备在多级备件、(s-1,s)库存下的广义维修过程解析模型。基于Monte Carlo算法,迭代产生大量样本数据,经过拟合发现该维修过程依分布收敛于一对数正态分布;再针对该样本分别以OLS(最小二乘),ML(极大似然)估计进行参数推断,得到了其稳态分布函数,通过了拟合优度检验。最后解出了该情况下装备的稳态维修度,稳态可用度等参数。对比simlox模型对该装备的评估结果,数据吻合程度较为理想。     

基于联合估计方法的广义随机系数自回归模型的统计推断

本文利用联合估计函数方法(CEF)对广义随机系数自回归(GRCA)模型进行统计研究.应用联合估计函数方法得到广义随机系数自回归模型参数估计量,证明了提出的参数估计量的相合性和渐近正态性,利用数值模拟对提出的参数统计量进行对比分析,数值模拟结果表明,联合估计方法的参数估计量优于基于估计函数方法、伪极大似然方法、最小二乘方法的参数估计量,实证研究也说明CEF方法具有较好的效果.     

屏蔽数据下指数分布两部件串联系统多变点模型的贝叶斯估计

通过引入潜在变量得到了截尾情形屏蔽数据下指数分布两部件串联系统交点模型较简单的似然函数.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数进行了抽样.基于Gibbs样本对参数进行估计.随机模拟的结果表明估计的精度较高.     

简单混合三参数一般均匀分布在地震发生间隔区间估计中的应用

本文首次介绍了一类一般均匀分布,包括单参数一般均匀分布、二参数一般均匀分布及三参数一般均匀分布,导出了三参数一般均匀分布的密度函数、数学期望、矩母函数及特征函数,获得了单参数及二参数一般均匀分布参数的矩估计和最大似然估计,通过结合最大似然估计法与矩估计法,从而获得了三参数一般均匀分布参数的二种最大似然型修正估计.文末,提出一个简单混合三参数一般均匀分布拟合地震发生时间间隔长度数据,用以预报一段时间内地震发生的概率.     

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.     

Pólya分布在气候统计中的应用

Pólya分布在气候统计中常用来拟合雾、雷暴等.本文给出了Pólya分布总体在全样本场合下参数的矩估计和极大似然估计,并研究了估计的存在性,并通过大量的Monte Carlo模拟说明了估计的精度,认为在样本较大的情形下极大似然估计优于矩估计.最后通过具体的雾与雷暴等气候统计数据说明本文方法的可行性.     

纵向数据下部分线性模型的经验似然推断

考虑纵向数据下部分线性模型,研究了回归系数和基准函数的经验似然推断,证明了所提出的经验对数似然比渐近于卡方分布,由此构造了相应兴趣参数的置信域和区间. 此外,利用经验似然比函数得到了回归系数和基准函数的最大经验似然估计,并且证明了所得估计量的渐近正态性.模拟研究比较了经验似然与正态逼近方法的有限样本性质,并进行了案例分析.     

基于WSN时钟同步的双迭代算法研究

采用双向消息交换机制,有效地解决了无线传感网络中的同步问题.利用非同步本地时钟的仿射模型,建立同步最大似然估计器,得到最佳一致解.但是,直接实现最大似然估计器通常是困难的,因为最大似然成本函数是高度非线性和非凸的.为了有效地获得最大似然估计器,提出一种新的双迭代算法,该算法通过搜索传感器源节点信息和时钟参数(频率偏移和相位偏移)来获得最大似然估计器.从而证明算法的收敛性,并分析了该算法对传感器及时钟参数的估计精度在低噪声条件下近似达到克拉美罗界.与已有方法相比,该算法具有计算效率更高、锚节点更少、通信开销更小等优点.