广义泊松计数模型及其统计推断

基于广义泊松分布的性质,提出了广义泊松计数模型,解决了泊松计数模型中对照组数据过度分散和过度集中的问题.在模型的统计推断中,通过引入缺失数据和构建替代函数,研究了使用EM算法、MM算法计算模型中参数极大似然估计的迭代收敛算法.进一步地,通过统计模拟展示迭代算法中参数估计的误差,对模拟结果进行讨论得到有效的信息.     

EM算法在混合分布模型参数估计中的应用研究

运用EM算法对一种新的系统寿命分布——混合指数-泊松分布进行参数估计,并通过随机模拟,验证了EM算法在混合模型参数估计的收敛性和有效性.     

多个子总体混合分布的参数估计

混合分布是数据分析中一个重要的统计模型,但是利用正规的统计方法如矩估计,极大似然估计等估计模型的参数比较困难,而应用EM算法可研究多个子总体的混合分布在正常工作条件下的参数估计问题.     

混合瑞利分布的参数估计

混合瑞利分布是一类重要的统计模型,应用EM算法对混合瑞利分布的参数进行估计,得到了在完全数据下和截尾数据下参数的估计迭代公式,并通过数据模拟说明EM算法对参数估计的可行性.     

右删失左截断数据下离散威布尔分布的参数估计

研究了右删失左截断数据模型下离散威布尔分布参数的极大似然估计和渐近置信区间.介绍了参数估计的牛顿迭代方法和EM算法,给出了参数的渐近置信区间.随机模拟的结果表明,牛顿迭代方法和EM算法得到的参数估计结果差别不大.     

泊松线性混合效应模型的参数估计

讨论了如何运用EM算法对泊松线性混合效应模型进行参数估计.首先利用马尔柯夫链蒙特卡罗方法对Q函数进行近似,然后利用Newton-Raphson算法求出Q函数的极大值点,从而求得了模型中未知参数的极大似然估计.以一组癫痫病人数据为例,说明该方法是简单可行的.     

EM-ACO算法及其在多重超声回波参数估计中的应用

针对EM算法在估计多重超声回波参数时存在收敛速度慢和迭代结果强烈依赖于初始值的缺点,将蚁群算法应用到多重超声回波参数估计的EM算法中,提出一种新的多重超声回波参数估计算法——EM-ACO算法.该算法结合EM算法和蚁群算法的优点,不仅可以改善EM算法估计多重超声回波参数时估计结果强烈依赖于初始值的缺点,有效提高EM算法的收敛速度,而且可以获得更高的参数估计精度.根据超声回波的高斯回波模型,应用EM-ACO算法,在不同的信噪比条件下,对多重超声回波的参数向量组进行估计.仿真结果表明:EM-ACO算法能在各种不同的初始值条件下,以较少的迭代次数估计出多重超声回波的参数向量组,并且具有较高的估计精度.     

截断删失数据下泊松分布参数的点估计

利用EM算法和MCMC方法对截断删失数据下泊松分布寿命参数的点估计进行了研究.利用逆变换法和舍选法对缺损数据进行了填充,获得了产品的完全数据,得到了参数的EM迭代公式.对满条件分布进行了抽样,把Gibbs样本的算术平均值作为参数的MCMC估计.随机模拟的估计效果较好,估计值比较稳定,且精度较高.     

零一膨胀泊松回归模型的EM算法改进

首先提出了处理0和1数据偏多的零一膨胀泊松回归模型,其次对模型建立了参数的极大似然估计.针对传统的EM算法只能使得估计收敛到局部极大值这个缺陷,提出了一种随机EM算法对传统的EM算法进行修正,使得模型能够找到全局最优解.最后通过模拟研究说明该方法的有效性.     

截断删失数据下线性指数分布的参数估计

研究了截断删失数据模型中线性指数分布的参数估计问题。分别利用极大似然估计法和EM算法对未知参数进行估计,并给出参数估计随机模拟检验,通过检验发现:极大似然估计得到的参数估计和EM算法得到的参数估计结果差不多,但是EM算法的收敛速度较快。     

指数几何混合模型参数的嵌套EM算法

本文介绍了由指数分布和一个截尾分布混合得到的指数几何混合分布模型,简记为EG模型。它的概率密度函数为f（x;β,p）=β（1-p）e-2βx（2-pe-βx）（1-pe-βx）-2,通过直接积分得到该分布的矩为E（xr;β,p）=p-1（1-p）r!β-r[p-1L（p,r）-1]。首先说明了用EM算法在M步中不能求得参数β和p的极大似然估计的显式解,需要用数值解法,然后通过嵌套一个EM算法在另一个EM算法中,外层EM算法是基于混合模型的缺失数据讨论,内层EM算法是针对截尾观测数据的,得到了参数的极大似然估计量。     

基于GED的混合ARCH模型

提出了基于广义误差分布的混合自回归条件异"方差"模型,将时间序列尾部的特征融入到混合条件异"方差"模型的参数估计之中,发现模型中的指标r和数据本身尾部厚薄的性质有关.给出了该模型参数估计的EM算法,并利用BIC准则对模型进行定阶.     

基于EM算法的不完全疲劳寿命数据可靠性分析

针对随机截尾寿命数据模型的参数估计,提出基于EM算法的通用算法,并以疲劳寿命计算中所常用的二参数威布尔分布模型为例,给出基于EM算法的寿命数据拟合通用方法。另外对于服从复杂分布模型的数据,则采用与蒙特卡洛法相结合的EM算法。最后通过计算模拟的不完全疲劳寿命数据,验证了EM算法对于随机截尾寿命数据模型参数估计的有效性。     

基于数据分组与右删失情形下一般瑞利分布的参数估计

研究了一般瑞利分布在分组与右删失情形下参数的估计问题,利用EM算法求出了参数的极大似然估计,最后模拟结果表明这种方法具有良好的收敛性与可行性．     

定时截尾下Weibull分布参数估计的EM算法

在可靠性统计的定时截尾寿命试验中,最后一个失效时间与截尾时刻之间的信息常被忽略.利用EM算法来处理这一情形,得出Weibull分布中尺度参数的迭代解.并将EM算法与传统的极大似然估计进行了比较,可以看出EM算法明显优于传统的极大似然估计.     

基于非对称拉普拉斯分布的混合分位数回归参数估计

利用非对称拉普拉斯分布提出一种新的混合分位数回归模型. 传统模型仅考虑位置参数, 而所提出模型同时考虑了位置参数和尺度参数, 并利用期望最大化(expectation maximization, EM)算法对模型参数进行估计. 数值分析结果表明, 参数估计的精度在各个 分位 数上均较为理想, 并且估计精度随着样本量的增加而提高. 最后运用所提出模 型及其算法对城市房价数据进行分析.     

基于EM算法的无失效数据的参数估计

利用EM算法,在无失效数据样本下,对指数分布和Weibull分布的参数进行估计,得到了参数所满足的非线性方程或方程组.并利用EM算法的收敛性,保证用迭代的方法得到的非线性方程或方程组的近似解,正是收敛于参数真值的估计.最后对实际数据进行模拟计算,得到了合理的结果.     

EM与PSO算法在图像统计模型拟合中的应用

针对期望最大值算法(EM)对图像统计模型初始值敏感和容易陷入局部极值的弱点,结合粒子群优化算法(PSO)全局寻优的特点,提出一种有效解决此问题的EM-PSO混合算法.该算法将粒子分为最优种群和进化种群,分别用EM算法和PSO算法进行更新.然后选取最优粒子群作为EM算法的初始值.仿真结果表明,用EM-PSO算法拟合图像统计模型比用EM算法拟合图像统计模型更准确.     

柯西分布概率模型的copula分布估计算法

分析柯西分布函数的特性,说明在众多连续型分布函数下,在copula分布估计算法中建立柯西分布概率模型的可行性。通过描述柯西分布以及逆累积分布函数的采样,给出柯西分布函数参数不同的估计方法,得到相应的采样及完整的分布估计算法．进行仿真实验比较柯西分布概率模型的copula分布估计算法和经验分布概率模型的copula分布估计算法,说明柯西分布概率模型的copula分布估计算法的有效性。