多元秩-序模型MLE的存在性

本文对多元秩 序模型极大似然估计的存在性进行了研究,在对模型协方差阵Ω的一些约束下,文中给出了其参数极大似然估计存在的一些充分必要条件.     

伽玛分布的尺度参数及自协方差估计

本文发现伽玛分布的尺度参数等于随机变量及其对数的协方差,并利用这一有趣性质构造伽玛分布参数的自协方差估计。此法计算简便,结果优于矩估计,与极大似然估计十分接近。鉴于极大似然估计的修偏问题未予解决,本文所建议的无偏自协方差估计可以在小样本情形下弥补极大似然估计有偏的不足,自协方差估计的相合性、渐近正态性等大样本性质也得到了讨论。给出的模拟试验结果基本符台论证。     

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.     

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.     

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.     

大数据下广义线性模型的参数估计算法

在大数据下,全样本量很大,未知参数极大似然估计的计算变得十分困难.文章主要对于广义线性模型参数的极大似然估计研究一种有效的计算方法.首先证明了随机抽样算法下的估计量的渐近正态性,由此提出了入样概率的选取准则及两步随机抽样算法.模拟研究表明,绝大部分情况下,运用文章提出的方法所得到广义线性模型极大似然估计量的均方误差低于与之对比的简单随机抽样.     

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。     

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.     

Jacobi过程统计量的中偏差

考虑超稳定情形下Jacobi过程漂移项参数极大似然估计的中偏差原理,得到了其精确的速率函数.而且得到平方Bessel过程漂移项参数极大似然估计与基于Jacobi过程轨道构造的极大似然估计量满足不相同的中偏差原理.     

带Gauss型误差的GMANOVA-MANOVA模型中未知参数的精确置信域

对于带Gauss型误差的GMANOVA-MANOVA模型,在均匀协方差结构下,求出了其中未知参数的极大似然估计及其均值和方差,并依据极大似然估计构造了未知参数的精确置信域.     

Polya分布在气候统计中的应用

Polya分布在气候统计中常用来拟合雾、雷暴等。本文给出了Polya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。     

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.     

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.     

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).     

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.     

多维GARCH模型的半参数有效估计

多元GARCH模型的估计一般采用拟极大似然法(quasi maximum likehood),对于这种方法估计的相合性及渐近正态性已经被很多学者证实,然而对于新息列的分布不是多元正态时,这种估计的有效性还没人研究,本文从拟极大似然估计得到的参数相合估计入手,提出用非参数方法估计多元新息列的分布.     

Pareto分布环境因子的估计及其应用

给出了Pareto分布环境因子的定义,讨论了在定数截尾样本下Pareto分布环境因子的极大似然估计和修正极大似然估计,并尝试把环境因子用于可靠性评估中.最后运用Monte Carlo方法对极大似然估计,修正极大似然估计和可靠性指标的均方误差(MSE),进行了模拟比较,结果表明修正极大似然估计优于极大似然估计且考虑环境因子的可靠性评估结果较好.     

一类加权可靠指数分布

本文研究了一种含有形状参数和尺度参数的加权可靠性指数分布.利用变量替换以及极大似然法,研究了在特定尺度参数下此分布的构造性表示,并导出了计算该分布两个参数极大似然估计的迭代解,同时还给出了估计参数的渐近分布形式.     

多重Ⅱ型删失数据的近似似然函数及应用

多重Ⅱ型删失数据是一种很常见的数据删失类型，处理起来也非常困难，本文获得了多重Ⅱ型删失数据的一种近似似然函数，并证明了在大样本场合下，这种近似与似然函数是等价的。基于该近似似然函数，求得了参数的近似极大似然估计与近似Bayes估计，并讨论似极大似然估计的性质。     

部分线性回归模型的加权似然推断

针对不同来源的几组相关数据集,研究了部分线性模型的加权似然推断问题,给出了加权似然估计的相合性和渐近正态性,模拟结果表明在均方误差意义下,加权似然得到的估计优于经典的极大似然估计,并把新的估计方法应用到艾滋病临床试验数据分析中.