正态模型参数线性不等式约束估计的优化算法

研究含有不完全数据的多元正态模型参数在一般线性不等式约束下的极大似然估计问题;利用约束EM算法求得多元正态模型参数的迭代解,同时提出M-步的优化算法;并证明了此解是一般线性不等式约束下的最优解.     

线性不等式约束下一类线性模型参数估计的渐近解及其收敛性

利用交替迭代算法, 研究在线性不等式约束下具有相同参数的两个线性模型在误差方差未知条件下的参数估计问题, 得到了其参数的最小二乘估计序列及其渐近解, 并利用多元多项式方程组解的个数定理和不动点定理, 证明了此估计序列是依概率1收敛的.     

不等式约束多元线性模型中线性预测的可容许性

在两个不同的不等式约束下,给出多元线性模型中非齐次线性预测的可容许与齐次线性预测可容许性之间的关系.     

多元线性FRM结构参数的约束LSE的强相合性

多元线性函数关系模型(FRM)是多元线性Errors—in—Variables统计模型的一种，该文针对具有一般误差协方差阵结构的多元线性FRM，在一定的条件下证明了其结构参数的约束最小二乘估计量的强相合性。     

线性模型回归参数极大似然估计的约束EM算法

提出了非线性不等式约束下线性模型回归系数渐进极大似然估计的EM算法,利用极大似然估计的渐近正态性质,将EM算法的M-步转化为随机优化问题,给出了该随机优化问题的极限问题,即利用更易求解的极限问题的最优解来代替原优化问题的最优解,并证明了原优化问题的最优解是依概率收敛于极限问题的最优解.     

缺失数据下多元正态模型Monte Carlo EM算法

研究含有缺失数据的多元正态模型参数的极大似然估计问题,利用Monte Carlo EM算法求得多元正态模型参数的迭代解,并证明了此迭代解收敛到最优解,且其收敛速度是二阶的.     

含缺失数据线性模型回归系数的约束EM算法

应用EM算法求含缺失数据的约束线性模型回归系数的极大似然估计,该回归系数满足线性不等式约束.我们提出M-步的优化算法,并针对正态模型讨论EM序列的收敛性,最后举例说明算法的应用.     

降秩正态线性模型参数的无偏估计

降秩正态线性模型的参数是不可估的。针对这一情况,在可识别性约束条件下,证明了降秩正态线性模型正规方程系数矩阵的逆是原模型正规方程系数矩阵的一个广义逆,进而得出可估函数的最小二乘估计是最优无偏估计的结论。同时,推导了一般协方差分析模型的参数估计的公式,举例证明单协变量两向协方差分析的一般解算方法。     

带有线性不等式约束的线性模型参数的最小二乘估计

本文给出了求解具有线性不等式约束的线性模型参数的最小二乘估计的一个方法,并得到了这个估计的一般表达式。     

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.     

模型中协变量部分缺失情况下参数的极大似然估计

研究了Cox比例风险模型中协变量部分缺失参数的极大似然估计问题。在实际问题中特别是对生存分析的研究中,数据经常会出现删失、截断、缺失的情况。如何利用这部分不完整的数据信息和参数的约束信息对于实际问题来说是具有意义的。这样可以提高分析的精度,并节省试验费用。本文利用EM算法得到了数据部分缺失参数的极大似然估计。     

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.     

Cox模型中参数满足线性不等式约束的似然估计

研究了Cox比例风险模型中协变量部分缺失且参数满足线性不等式约束下的极大似然估计问题。在实际问题中，特别是对生存分析的研究中，数据经常会出现删失、截断、缺失的情况。本文利用EM算法和约束下优化算法得到的数据部分缺失且参数满足线性不等式下的极大似然估计。     

线性模型中误差方差估计推广的Berry-Esseen界限

在线性模型中随机误差的方差常用剩余平方和除以适当的自由度来估计,陈希孺教授(1981),白志东、赵林城(1982)在随机误差具有6阶矩的假设条件下,证明了这一估计经标准化后其分布以理想的速度O(1/n~(1/2))收剑于标准正态分布。在本文中,我们把这一结果推广到更一般的情形中,即在误差具有4+2δ(0<δ≤1)阶矩的假设条件下,证明了理想的收敛速度O(n~(-δ)/~2)。这一结果与独立变量和的情形相同。     

序贯k-out-of-n系统在序约束下参数的假设检验

考虑带有协变量的序贯k-out-of-n模型,假设给定协变量寿命的分布是指数分布族,对指数分布的刻度参数建立对数线性模型,研究在序约束下模型参数的两个假设检验问题,并讨论在序约束下检验统计量的渐近分布为χ~2分布.