极大似然估计方法的直观教学设计

极大似然估计是求解参数点估计的一个重要方法.该方法具有很多优良的统计性质,因而在各个领域中得到广泛的应用.针对该方法计算复杂,学生理解较为困难的问题,对极大似然估计的教学方案进行了设计.通过引入简单实例,讨论了极大似然估计所使用的极大似然原理及其求解方法,让学生形成对新方法的直观理解,在教学中取得了良好的效果.     

定时截尾情形下几何分布参数的估计和检验

本文讨论了定时截尾情形几何分布参数的极大似然估计,证明了参数的极大似然估计的相合性质和进一步的渐近正态性质,给出了检验两几何总体参数相等的检验统计量以及检验统计量的极限分布.其结果对于离散型总体分布的参数估计问题具有普遍的现实意义.     

截断情形下巴斯卡分布的参数估计

本文讨论了截断情形巴斯卡分布参数的极大似然估计问题,证明了估计的强相合性和渐近正态性,给出了估计的进一步渐进性质.     

混合截尾试验下双参数韦布尔分布可靠性指标的参数估计

定数截尾和定时截尾结合在一起的试验是混合截尾试验.本文主要研究混合截尾试验中韦布尔分布参数的极大似然估计以及可靠度函数和可靠寿命的极大似然估计.并且在正则条件下研究了相应的估计量的相合性和渐近正态性;而且还给出了参数的置信区间.最后利用一个实际数据来说明估计量的性质.     

一类均匀分布参数的极大似然估计及优良性

该文讨论了U[-θ，0]上参数θ的极大似然估计及修正后的极大似然估计的均方误差和相合性，并进一步证明了修正后的极大似然估计还是参数θ的UMVUE．     

定时截尾情形下指数分布参数的估计

本文讨论了定时截尾情形下指数分布参数的极大似然估计问题,证明了估计的强相合性和渐近正态性,给出了估计的进一步的渐近性质.其结果对于其它的总体分布的参数估计具有普遍的现实意义.     

随机截尾情形下几何分布的参数估计

得到了随机截尾情形下几何分布参数的最大似然估计和近似置信区间,并且求出了平均寿命极大似然估计的数学期望和方差.     

极大似然估计不变性的拓展

桌一参数估计是否是"最优"估计,通常要从一致性、无偏性、有效性、不变性等方面进行讨论,进而通过实际的观察对其进行数据拟合,分析其相对于实际模型的偏差程度.针对参数估计评选标准中的不变性进行了进一步的探讨.根据参数极大似然估计不变性原则,给出在一定条件下极大似然估计具有不变性的充分必要条件,并利用该结论计算了二元正态分布Z=(X,Y)的未知参数σ2和p的极大似然估计值.     

一类非对称的GARCH模型的参数估计

非对称的GARCH模型的估计一般采用拟极大似然估计,这种估计的相合性及渐近正态性结论已经出现在很多文献中。本文对这种模型提出一种新的估计方法-加权拟极大似估计,在一定条件下证明了非对称的GARCH模型的加权拟极大似然估计的相合性和渐近正态性。     

纵向数据中伪似然方程的根的相合性

研究了伪似然方程的根的渐近存在性和相合性大样本性质.伪似然方程是研究纵向数据的一种方法,它是广义估计方程(GEE)的一种推广,用适当的矩阵去估计相关阵,这也是研究意义所在. 自从Shao(1999)定义伪似然方程以来,其大样本性质也不断完善. 本文证明了在一定条件下伪似然方程的根的渐近存在性及相合性.     

Ⅱ型双截尾下逆威布尔分布尺度参数的估计

基于Ⅱ型双截尾样本,通过极大似然法得到了尺度参数极大似然估计的迭代公式.选取尺度参数的先验分布为无信息分布和伽玛分布,分别在平方损失和熵损失下,给出尺度参数的贝叶斯估计.利用Monte-Carlo模拟比较了各种估计的均方误差,结果表明,当选取伽玛先验和熵损失时,参数的贝叶斯估计最优.     

基于下记录值逆Rayleigh模型的估计及预测

当观测数据是下记录值时,利用经典方法讨论了逆Rayleigh分布未知参数的极大似然估计和一致最小方差无偏估计,进而得到了可靠度及失效率的极大似然估计．取未知参数的先验分布为Gamma分布,在平方损失函数下讨论了逆Rayleigh模型的未知参数、概率密度函数、累积分布函数及系统可靠度的Bayes估计,并对元件的剩余寿命进行预测．通过蒙特卡洛模拟研究了估计量的性质,借助数值实验对估计量的值进行计算．     

一类均匀分布参数极大似然估计及优良性的讨论

该文讨论了U[θ,θ＋1]上参数θ常用的三个极大似然估计及修正后的极大似然估计的均方误差和相合性,并进一步给出了参数θ的UMVUE．     

纵向数据的稳健估计及案例分析

纵向数据是对一组观测个体按时间或空间顺序重复跟踪监测而得，即对每一个体在不同时间或不同实验条件下进行多次测量，而多次重复观测之间一般具有相关性，会影响对应估计的准确性.研究一般线性模型下纵向数据的理论推导和实例分析，发现模型的最小二乘估计、极大似然估计以及约束极大似然估计的参数估计结果差别不大甚至基本相等，验证了纵向数据估计的稳健性.     

纵向数据下部分线性模型的经验似然诊断

考虑纵向数据下的部分线性模型,应用经验似然方法对该模型进行统计诊断。给出模型的估计方程,得到模型参数的极大经验似然估计;基于经验似然估计,运用数据删除和局部影响分析两种方法,给出诊断异常点和强影响点的若干统计量;数值模拟验证了上述方法的有效性。     

高维数据下广义线性模型自适应桥惩罚估计的变量选择

利用对数似然函数和自适应桥惩罚估计方法研究了高维数据下广义线性模型的参数估计和变量选择问题,利用对数似然函数和自适应桥方法构造惩罚估计目标函数,在适当的正则条件下,证明了自适应桥估计量的相合性和Oracle性质,通过数值模拟和实例分析验证了所提方法的有限样本性质及其优良性.     

对数正态分布序列单均值变点的识别和估计

针对数据呈现偏态分布且存在变点的情况,构建对数正态分布的单均值变点模型,给出分布的均值单变点模型的似然函数,并采用极大似然方法和贝叶斯方法对变点位置进行识别和估计．通过模拟比较研究,这两种方法都能有效地估计变点位置,在标准差和相对误差准则下,贝叶斯方法比极大似然方法效果更理想．其中共轭先验分布下的贝叶斯方法较无信息先验下的贝叶斯方法识别和估计变点位置表现更优．     

均匀分布U[-θ,θ]参数θ的几种估计量

研究了一类单参数均匀分布U[-θ,θ]的参数θ的点估计问题,给出了θ的极大似然估计量、矩估计量和其他形式的估计量,对几种估计量的无偏性进行了讨论.通过添加纠偏系数得到θ的四种形式的无偏估计量,对它们的有效性进行了比较分析.结果表明,基于极大似然估计量所得到的无偏估计最有效.     

基于股票财务数据的贝叶斯网络的参数学习

研究了基于最大似然估计、贝叶斯估计与EM算法的贝叶斯网的参数学习.选取上市公司的10个股票财务变量构建贝叶斯网络,利用创建好的贝叶斯网络进行统计推断.对比最大似然估计和贝叶斯估计得到的参数值并展示EM算法不同迭代次数时的指数似然值,把EM算法得到的CPT表和最大似然估计的值相比较,对比较得到的结果进行归纳与分析.为基于不同算法的贝叶斯网络的参数学习提供了实证分析.     

双参数指数分布的方向极大似然估计

本文利用方向极大似然估计的概念,证明了双参数指数分布中的两个参数满足双曲线型关系。