浅论“广义”最大似然估计

我们常常会遇到最大似然估计不存在的情况,这种情况以在非正态回归模型中最为典型。当参数向量不能被估计时,人们对参数向量的线性函数的估计饶有兴趣。本文给出了这些线性函数的广义最大似然估计的定义,讨论了广义最大似然估计的性质,探讨了利用射影变换求广义最大似然估计的方法。     

INGARCH模型拟极大似然估计的相合性

利用拟极大似然方法研究INGARCH模型参数的估计问题,证明了拟极大似然估计的强相合性.模拟结果表明,在样本数较大时,拟极大似然估计比最大似然估计效果更好.     

基于完美抽样的最大似然方位估计方法

为了解决最大似然估计计算量大的问题,将马尔可夫蒙特卡罗方法与最大似然方位估计相结合,提出一种基于完美抽样的最大似然方位估计新方法.研究结果表明,该方法不但保持了原最大似然方位估计方法的优越性能,而且大大减小了计算量,把原方法的计算复杂度从O(LK)减少到O(K×J×Np).     

位置参数族的MLE与Bayes估计相等的关系

证明了位置参数族中位置参数的最大似然估计,一定存在一个先验分布,使其贝叶斯估计就是该最大似然估计的结论.     

更新过程中分布参数的最大似然估计

文中我们讨论了更新过程中分布参数的最大似然估计,证明了最大似然估计是强相合的。     

最大似然估计在一元线性回归中的应用

最大似然估计是参数估计的常用方法。应用最大似然估计方法估计一元线性回归方程中的未知参数,与用最小二乘估计得到相同的结果,说明此方法的适用性。     

双向截尾情况下最大似然估计的强相合性

讨论了双向截尾情况下分布参数的最大似然估计的渐近性质，证明了最大似然估计具有强相合性。     

二元极值分布参数的最大似然估计与分步估计

考虑二元极值分布参数的最大似然估计与分步估计的渐近协方差阵，得到分步估计关于最大似然估计的渐近效率，表明分步估计是一种实用的方法。     

最大似然估计的重对数律

讨论了最大似然估计的渐近性质；利用Ｔａｙｌｏｒ展开和Ｈａｒｔｍａｎ－Ｗｉｎｔｎｅｒ定理，证明了最大似然估计满足对数律。     

SQP 优化的最大似然波达方向角估计

为快速实现波达方向角( DOA: Direction Of Arrival) 的精确估计, 提出了应用序列二次规划( SQP:Sequence Quadratic Program)的最大似然DOA 估计算法。给出了用于DOA 估计的最大似然函数, 将参数估计问题转化为非线性函数优化问题; 并利用SQP 优化算法对似然函数的求解进行优化, 得到DOA 的估计值。仿真结果表明, 该算法可用较少的计算时间实现对似然函数的优化求解, 同时保留了最大似然估计的渐进无偏估计性能, 与遗传算法、粒子群算法相比, 不仅具有更快的寻优速度, 而且具有更高的收敛精度。     

瑞利分布全样本下的统计分析

针对瑞利分布,在全样本场合下给出了参数的矩估计、极大似然估计和区间估计。与此同时还通过大量Monte-Carlo模拟分别考察了参数的点估计和区间估计的精度,从中可以看到参数的极大似然估计的精度比矩估计的好些。     

对称指数分布的参数估计及其优良性

研究了双参数对称指数分布的参数估计问题,给出了2个参数的极大似然估计.在样本容量为奇数的情形,证明了样本中位数作为双参数对称指数分布位置参数的极大似然估计,具有无偏性与强相合性;尺度参数的极大似然估计具有强相合性.在样本容量为偶数的情形,证明了2个参数的任一极大似然估计均具有强相合性.     

威布尔模型的参数估计方法——极大似然法

利用概率论中极大似然法的理论来探讨威布尔参数估计问题，并利用MATLAB的相关命令、函数对它们进行了部分编程，主要讨论了三参数威尔尔模型的极大似然函数、参数估计和MATLAB程序。     

有关概率P(X<Y<Z)的估计问题

给定随机变量X,Y,Z,针对它们之间可能出现的大小关系XYZ,研究该情形发生概率的估计问题,即有关P(XYZ)的估计.作了两方面工作:(1)当X,Y,Z分布已知时,推导出P(XYZ)的表达式,利用极大似然估计以及渐近分布的性质,得到P(XYZ)的极大似然估计和区间估计;(2)当X,Y,Z分布未知时,利用经验似然比以及非参数Wilks定理,得到P(XYZ)的极大经验似然估计和经验置信域.     

DES-3的七号信令系统及其硬件实现

介绍了基于ＤＥＳ－３型局用数字程控交换机七号信令系统的总体方案及硬件实现。该系统已通过同种机型间的有效性测试以及与Ｓ１２４０、Ｅ１０Ｂ等异种机的兼容性测试。各项指标均已达到邮电部的测试规范要求。     

鞅在分层比例风险模型中的应用

用极大似然估计的方法确定带有右删失数据的具有Cox强度的时间相依协变量分层比例风险模型的参数估计形式,并采用鞅方法得出该模型的参数估计是相合的且是渐近正态的.由此得出,在临床试验中该模型的参数采用极大似然法来估计是可行的.     

基于EM算法约束条件下参数的估计

讨论了多元正态模型中的参数估计问题.利用EM算法和ECM算法给出了多元正态模型在协方差阵已知或未知的情况下,参数在简单序约束、伞型序约束和递增的凸序约束条件下的极大似然估计.当参数向量不多于三个分量时,给出了显式结果;当参数向量高于三个分量时,给出了求参数极大似然估计的相应线性变换.     

双边定时截尾下Pareto分布的参数估计

在双边定时截尾样本下,用极大似然法求Pareto分布中形状参数的估计,由于似然方程较复杂,无法得到参数的显式表达式,但是可以证明极大似然估计是唯一存在的. 由于EM算法是处理缺损数据的一种有效方法,因此利用该算法来求参数的估计问题.用EM算法得到了形状参数估计的迭代式,借助Louis遗失信息原则得到了估计的渐近方差,根据中心极限定理得到了形状参数的近似置信区间.随机模拟结果表明形状参数的EM估计收敛到其极大似然估计.实例给出了不同样本下参数的点估计和区间估计.     

双幂变换下参数极大似然估计的精确分布研究

在双幂变换下,使用极大似然估计方法估计正态线性回归模型中的变换参数,并研究其精确分布.给出了极大似然估计的精确分布函数,并通过模拟研究表明了,其分布不仅依赖于变换参数取值,还与方差和回归系数的取值密切相关;得到极大似然估计是一奇异随机变量,不具有密度函数的结论.为双幂变换的应用提供了很重要的理论依据.