部分线性模型的光滑样条推断

运用光滑样条估计部分线性模型中的非参数函数,利用限制最大似然或广义交叉验证（GCV）的方法选择光滑参数,主要考察了部分线性模型的光滑样条估计以及有关非参数函数部分的假设检验．基于光滑参数的选择方法,提出了部分线性模型中的非参数函数是否为多项式函数的假设检验方法,并通过模拟例子研究本文提出的推断效果．     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数(GE)分布的记录值样本,研究了广义指数分布的参数的估计问题。首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计。最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验Bayes估计值更加接近参数真实值,因此在适当的先验分布下Bayes估计和经验Bayes估计较传统的最大似然估计好。     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数（GE）分布的记录值样本,研究了广义指数分布的参数的估计问题。首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计。最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验Bayes估计值更加接近参数真实值,因此在适当的先验分布下Bayes估计和经验Bayes估计较传统的最大似然估计好。
     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数(GE)分布的记录值样本,研究了广义指数分布的参数的估计问题.首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计.最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验Bayes估计值更加接近参数真实值,因此在适当的先验分布下Bayes估计和经验Bayes 估计较传统的最大似然估计好.     

广义t分布的EM估计

在广义t分布的自由度参数未知时,自由度参数的最大似然估计不存在,而矩估计和最大似然估计不相合。通过建立广义t分布和正态混合分布之间的关系,能够在不完全数据框架下讨论自由度参数的最大似然估计。给出了广义t分布的Bayes分层表达,证明了参数的共轭先验和两类隐变量的数学期望。讨论并分析了广义t分布的EM类算法及估计的标准差的计算。通过Monte Carlo模拟,分析了广义t分布的参数估计问题。     

广义变系数模型的局部非线性似然估计

针对广义变系数模型,在局部线性似然估计方法的基础上将关于系数函数的局部线性拟合改进为局部非线性拟合,利用Newton-Raphson迭代解法得到广义变系数模型的局部非线性似然估计,进一步讨论了当连接函数为典则函数时迭代公式的具体结果,并辅以实例.     

具有随机缺失响应变量的广义半参数模型

本文在响应变量随机缺失条件下,研究了广义半参数模型的拟似然估计方法,给出了缺失数据下的未知参数与非参数回归函数的拟似然估计,进一步求出了估计的渐近偏差和渐近方差,并证明了所给出的拟似然估计具有渐近正态性。     

论随机过程中最大似然估计的一致性

应用Cramér方法考察了向量参数的最大似然估计的一致性.观察被假定为构成离散时间的随机过程.本文的主旨在于一致性的结果是在仅对向量参数的各种线性函数的信息增长的相异性施加了较弱的限制下给出的,所有一致性结果以明了的阶结果的形式给出.     

部分函数型EV回归模型的经验似然推断①

针对解释变量带有测量误差的部分函数型线性回归模型,引入一个合适辅助向量,构造出未知参数的经验对数似然比函数,给出了未知参数和未知系数的极大经验似然估计。进一步证明了所构造似然比函数具有渐近卡方分布,并基于此构造了未知参数的渐近置信域。同时,也证明了给出的未知参数的估计与最小二乘估计一样具有渐近正态性。最后给出系数函数的收敛速度,达到了最优收敛速度。讨论的结果说明经验似然方法对部分函数型EV回归模型的统计推断是有效的。     

Pitman准则下带有半序约束的最大似然估计的优良性

利用正态总体的性质, 证明了当二维正态总体的均值满足一个或两个线性不等式约束时, 其线性函数的最大似然估计在Pitman准则意义下优于无约 束时线性函数的最大似然估计.     

广义极值分布参数估计方法的对比分析

简介了广义极值分布的3种参数估计方法:极大似然(ML)、线性矩(LM)和间隔最大积(MPS)方法的特点和计算方法,采用历年马口月最大径流量和广州日最大降水量作为广义极值分布不同参数估计方法的实证分析例子。分析结果表明,两实例各自3种参数估计方法得到的3个参数值较为接近,各种拟合优度检验结果表明两实例均服从广义极值分布,但MPS参数估计推算的设计值与观测值拟合更好。     

Linear Support Vector Machine Based Inter-harmonic Modeling and Parameter Estimation

There are often many inter-harmonics in power system.The high measurement accuracy of inter-harmonics order,amplitude and initial phase is needed.A new approach is presented for inter-harmonic modeling and parameter estimation based on linear support vector machine (SVM).Firstly,parameter estimation of linear model is realized based on standard linear SVM.Then,inter-harmonic model is transformed to a linear model according to trigonometric functions.The approach obtains order of inter-harmonic model with wi...     

一种三参数Weibull分布极大似然估计的求解方法

提出了一种求解极大似然估计的新算法.根据极大似然估计原理求出尺度参数的表达式,把该表达式代入对数似然函数,使对数似然函数中只包含位置参数和形状参数,把求解非线性方程组问题变成了求解满足约束条件的最优化问题,使问题得到了简化.该法具有计算精度高、运算速度快的优点,利用EXCEL的规划求解即可求解,便于工程应用.     

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.     

极大似然估计的几种求法

极大似然估计是参数估计的一种常用方法.本文探讨了极大似然估计的三种求法,并举例说明了这些方法在解决实际问题中的应用.     

复合Rayleigh分布模型尺度参数的Bayes估计

基于完全样本讨论了复合Rayleigh分布尺度参数的估计问题。在平方误差损失、LINEX损失函数下导出了复合Rayleigh分布尺度参数的Bayes估计。给出了Monte Carlo数值模拟例子,将得到的估计与最大似然估计进行比较。     

正规互质因子扰动模型集的闭环辨识与检验

鲁棒控制的系统辨识问题是控制领域一个十分活跃的研究方向。该文综述了具有正规互质因子扰动模型集的辨识与检验的结果。在闭环实验数据已知时 ,给出了正规互质因子频域响应极大似然估计的解析表达式 ,介绍了这一估计的统计特性和最优参数选择。讨论了基于受约束曲线拟合的正规互质因子参数辨识问题 ,给出了其解析解。最后介绍了模型集与控制器和闭环实验数据相匹配的一个充分必要条件。这一条件可表示为一个线性约束和一个复数向量的欧几里德范数。根据这一条件 ,讨论了随机框架下的模型集检验问题 ,给出了采样非伪概率的计算方法     

排序集抽样下定时截尾指数寿命数据的参数估计

针对定时截尾指数寿命数据的参数估计问题,采用排序集抽样方法,研究了指数分布参数的极大似然估计.针对排序集抽样下似然方程求不出解的问题,似然方程的部分项替换为期望,并给出修正极大似然估计.估计效率的比较结果说明:基于排序集抽样方法的修正估计量优于基于简单随机抽样方法的极大似然估计量.     

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。