Finite Mixture Normal Models, with Application to Dose-Response Studies

In this paper, we consider the risk assessment problem under multi-levels and multiple mixture subpopulations. Our result is the generalization of the results of [1-5].1 Finite Mixture Normal ModelsIn dose-response studies, a class of phenomena that frequently occur are that experimental subjects (e.g., mice) may have different responses like 'none, mild, severe' after a toxicant experiment, or 'getting worse, no change, getting better' after a medical treatment, etc. These phenomena have attracted the attention of many researchers in recent years. Finite     

离子通道的混合密度参数估计与状态判别

本文针对多电导水平离子通道的由多个正态分布加权组成的混合分布特点,用EM迭代算法对混合分布中的参数进行极大似然估计,并在此基础上,利用混合分布中最可能的成分判断通道状态,从而还原通道潜在信号,克服了离子通道分析软件PCLAMP中参数估计与状态还原的缺陷。     

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.     

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.     

偏t正态数据下混合线性联合位置与尺度模型的参数估计

偏t正态分布是分析尖峰,厚尾数据的重要统计工具之一.研究提出了偏t正态数据下混合线性联合位置与尺度模型,通过EM算法和Newton-Raphson方法研究了该模型参数的极大似然估计.并通过随机模拟试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.     

混合双重广义线性模型的参数估计

在实际应用中,不同类别的数据统计特性存在差异,所以对异质总体的研究非常有必要.基于总体一,二阶矩存在,利用双重广义线性模型对异质总体的不同子类数据的均值和散度同时建模,研究提出了混合双重广义线性模型.然后,利用EM算法构造了模型参数的最大扩展拟似然估计和最大伪似然估计.最后,通过随机模拟和实例研究,结果表明模型和方法的有效性和有用性.     

正态AR(1)模型参数极大似然估计的精确解

本文对正态ＡＲ（１）模型，当Ｒ０已知，且时，证明了极大似然估计存在，但不唯一，这与Ｒ０，Ｒ１两个参数整体求极大似然估计的结果有本质上的不同，同时还研究了极大似然估计（）的数学特性与解析表达式．     

双线性因子分析

因子分析(factor analysis,FA)是一种流行的从多变量中提取公因子的统计技术,但它仅适用于向量值数据(每个数据点为一向量).当FA应用于矩阵值数据(每个数据点为一矩阵)时,一种常用的做法是首先将矩阵值观测向量化.然而,向量化使得因子分析面临两个问题:可解释性变差,容易陷入维数灾难.为了解决这两个问题,文章从矩阵值数据本身固有的矩阵结构出发,提出双线性因子分析(bilinear FA,BFA).新颖性在于BFA采用双线性变换,模型参数大大减少,有效克服了维数灾难问题,同时提取感兴趣的行变量和列变量公因子.文章开发了两种有效算法用于BFA模型参数的极大似然估计,讨论了估计的理论性质并明确地求出Fisher信息矩阵的解析表达式来计算参数估计的准确度,研究了BFA的模型选择问题.与传统因子得分为一向量不同,BFA的因子得分为一矩阵,文章为矩阵因子得分提供了计算方法以及可视化方法.最后,构建实证研究来理解提出的BFA模型并与相关方法进行比较.结果表明了BFA在矩阵值数据分析上的优越性和实用性.     

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.     

广义线性模型极大似然估计的强相合性与渐近正态性

本文研究了若干重要类型的离散响应变量广义线性模型,在sum from i=1 to n ZiZi'的最小特征根大于cnα(对某个c>0,α>0)等条件下证明了回归参数向量的极大似然估计的强相合性与渐近正态性,其中设计阵序列{||Zn||}可以为无界序列.     

用蒙特卡罗方法求取广义线性混合模型之最大似然估计:应用于求取乳癌死亡率之小区域估计

本文使用蒙特卡罗方法, 求得广义线性混合模型之最大似然估计, 并提供用来评估统计参数之收敛和精确度之实用方法\bd 仿真研究显示无偏之固定效应参数估计, 而方差分量估计之误差则相近于前人结果\bd 应用举例为使用泊松分布求取乳癌死亡率之小区域估计.     

一类零膨胀广义线性模型极大似然估计的相合性与渐近正态性

讨论了响应变量为单参数指数族且在零点处膨胀的广义线性模型的大样本性质,对其参数进行了极大似然估计,给出了一些正则条件.基于所提出的正则条件,证明了模型参数极大似然估计的相合性与渐近正态性.     

非线性再生散度随机效应模型的渐近性质

对非线性再生散度随机效应模型, 该文给出了类似于Barndroff-Nielson, Cox (1989)和Severin, Wong (1992)的正则条件, 基于这些正则条件和Laplace近似, 证明了该模型参数极大似然估计的存在性、强相合性和渐近正态性.     

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.     

缺失偏t正态数据下线性回归模型的统计推断

本文研究缺失偏t正态数据下线性回归模型的参数估计问题,针对缺失偏t正态数据,为使样本分布更加接近真实分布,改善模型的回归系数、尺度参数、偏度参数和自由度参数的估计效果,提高参数估计的稳定性,提出一种适合缺失偏t正态数据下线性回归模型的修正随机回归插补方法.通过随机模拟和实例研究,同随机回归插补,多重随机回归插补方法比较,结果表明所提出的修正随机回归插补方法是有效可行的.     

Mixture normal models in which the proportions of susceptibility are related to dose levels

A problem that frequently occurs in biological experiments with laboratory animals is that some subjects are less susceptible to the treatment group than others. Finite mixture models have traditionally been used to describe the distribution of responses in treated subjects for such studies. In this paper, we first study the mixture normal model with multi-levels and multiple mixture sub-populations under each level, with particular attention being given to the model in which the proportions of susceptibility are related to dose levels, then we use EM-algorithm to find the maximum likelihood estimators of model parameters. Our results are generalizations of the existing results. Finally, we illustrate realistic significance of the above extension based on a set of real dose-response data.     

Analysis of two-sample censored data using a semiparametric mixture model

In this article we study a semiparametric mixture model for the two-sample problem with right censored data. The model implies that the densities for the continuous outcomes are related by a parametric tilt but otherwise unspecified. It provides a useful alternative to the Cox （1972） proportional hazards model for the comparison of treatments based on right censored survival data. We propose an iterative algorithm for the semiparametric maximum likelihood estimates of the parametric and nonparametric components of the model. The performance of the proposed method is studied using simulation. We illustrate our method in an application to melanoma.     

半参数非线性再生散度模型的渐近推断

对半参数非线性再生散度模型,先引入最佳偏差曲线.再求非参数部分的局部线性估计,然后得到参数的广义边侧极大似然估计.同时,基于正则条件,证明了所得估计的存在性,强相合性和渐近正态性,推广了已有文献的工作.