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。     

基于稳健关联向量回归的黑液波美度软测量

针对造纸工业碱回收蒸发工段黑液波美度不易在线实时测量的现状,提出一种基于稳健关联向量回归的软测量方法,建立黑液波美度的软测量模型,实现黑液波美度的在线测量。稳健关联向量回归方法通过最大化一个建立在稳健子集上的似然函数得到模型的参数,同时保证回归的稳健性。构造了迭代算法来计算稳健关联向量回归,在优化超参数的同时,寻找稳健子集。实验结果表明,用该方法建立波美度软测量模型不仅是可行的和有效的,而且能够克服异常点的影响。     

空间自回归模型中系数变量及误差项的贝叶斯估计

文章基于长三角地区26个城市10年间的空间面板数据,通过建立空间自回归模型,针对似然函数的复杂情况,分别采用马尔科夫链蒙特卡洛方法和近似贝叶斯计算进行贝叶斯推断。数值结果表明,服务业集聚度以及固定资产投资对于地区生产总值影响最大。通过比较两类方法的估计结果发现:马尔科夫链蒙特卡洛方法虽依赖于似然的核函数,对于先验超参数的设定更为敏感,且要求控制采样样本的自相关性,但可以高效地估计参数;而近似贝叶斯计算方法能够避免求解似然函数,对先验超参数的设定更稳固,同时也能有效地估计参数。     

面向不平衡数据的逻辑回归偏标记学习算法

偏标记学习是近几年提出的新机器学习框架,已有的逻辑回归偏标记算法尚不能解决数据不平衡问题.建立了一种可以解决数据不平衡的逻辑回归模型偏标记学习算法.基本思想是在多元逻辑回归模型中定义新的似然函数以达到处理不平衡数据的目的.算法先根据训练集中各个类别样本所占比例定义了一个新的似然函数,之后通过逼近和求导等数学手段推导得到了能够求解的光滑的逻辑回归偏标记学习模型.在UCI数据集和真实数据集上的仿真实验表明,所提算法在数据存在不平衡问题时提高了样本的平均分类精度.     

左截断右删失数据下尺度参数与协变量相关时广义指数分布的估计及应用

在左截断右删失数据类型下,当时间变量T服从广义指数分布时,针对尺度参数是否受协变量影响建立两种模型,并用极大似然估计法给出参数估计,用Newton-Raphson算法求解参数估计.将两种模型分别应用到变压器寿命数据集和Channing house数据集中,得到了其生存函数和风险函数.     

半参数TBS模型的局部线性估计

研究了半参数多元回归模型E(Y|X)=μ(XTβ),其中X是维数为p的列向量,μ,β是未知参数.由于此模型不容易满足误差方差齐性和误差分布正态性,作者对该半参数回归模型两边同时应用含参数λ的Cox-Cox变换,使得变换后的回归模型满足误差方差齐性和误差分布正态性条件,然后应用局部线性技术及极大似然方法,通过两步迭代,对未知参数β,λ及未知函数μ(.)进行了估计.     

非参数回归函数的经验似然置信区间

经验似然是由Owen引入的一种非参数推断方法，主要讨论了相依样本下非参数回归函数的经验似然置信区间。     

基于最小距离法的稳健群组变量选择

在研究存在异常值的logistic回归模型时,发现如果使用极大似然估计(MLE)方法进行参数估计,那么异常值引起的偏差不是造成参数估计过大而是导致参数向量内爆即参数向量收缩为零向量,此时如果进行群组变量选择很可能会忽略一些重要变量.因此针对具有组结构的logistic回归模型,为处理解释变量存在异常值时的群组变量选择问题,将基于最小距离法的稳健估计(L₂E)方法与已有的3种群组变量选择方法和3种双层变量选择方法结合,在此基础上利用Majorization-Minimization(MM)算法对目标函数进行求解.通过数值模拟比较了基于L₂E方法和MLE方法在模型具有组稀疏和双层稀疏的情况下,6种变量选择方法在不同维数下的有限样本表现,结果不仅验证了L₂E方法在存在异常值的logistic回归模型参数估计中的稳健性,而且指出了在这6种变量选择方法中使用Group Bridge方法进行变量选择的准确度更高.     

一种新型可靠性模型参数优化求解方法

对可靠性增长模型参数进行求解多采用构造极大似然函数,并对似然函数求极值的方法。用极大似然法进行参数优化估计时,有容易受迭代初值的影响不易收敛到全局最优解的缺点,文中采用进化规划（EP）算法,建立以适应函数为目标,求其极大值点即可确定参数最优解的优化模型,不再需要求极值和估计优化变量的初始值即可获得全局近似最优解。为了更好地确保获得全局最优解,进一步保证方程解的精度,进化规划算法采用了并行操作、保留最优个体等方法。新的优化参数求解方法可以在求解效率和收敛性能上达到较好的平衡,能更好地将优化方法与最大似然估计法相结合。最后利用某固体火箭发动机的可靠性增长实验数据验证了该优化方法的有效性和正确性。     

缺失数据下Logistic回归多变点模型的贝叶斯估计

利用随机的方法填充了缺失数据,获得了Logistic回归多变点模型的完全数据似然函数.研究了变点位置等未知参数的满条件分布.利用筛选法和Metropolis-Hastings算法对参数进行抽样,把Gibbs样本的均值作为参数的贝叶斯估计.随机模拟的结果表明估计的精度较高.     

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.     

Buhlmann-Straub信度模型的估计与检验

研究了Buhlmann-Straub信度模型的参数估计和随机效应的检验,以及它们的统计性质. 参数估计采用两步估计法,用F检验对随机效应进行检验.在两步估计法中, 利用正交变换得到了总平均的估计, 然后采用拟合常数法得到了方差的估计,并证明了该估计是无偏估计.通过残差平方和构造了F检验统计量对是否有随机效应进行检验,并得出了检验的势函数是检验方差的增函数.最后将估计和检验的方法应用到实例中, 得到了较好的效果.     

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.     

相依样本下非参数回归函数的经验似然置信区间

构造了固定设计且误差为鞅差序列的相依样本情形非参数回归函数的经验似然比统计量,证明了统计量的极限分布为21χ,在此基础上构造了非参数回归函数的经验似然置信区间.     

Maximum likelihood estimator for the proportional hazards model with incomplete information

Right randomly censored data with incomplete infor-mation are frequently met in practice.Although much study about right randomly censored data has been seen in the proportional hazards model,relatively little is known about the inference of regression parameters for right randomly censored data with in-complete information in such model.In particular,theoretical properties of the maximum likelihood estimator of the regression parameters have not been proven yet in that model.In this paper,we show the consistency and asymptotic normality of the maxi-mum likelihood estimator of unknown regression parameters.     

基于小波多分辨技术重力场相关系数成像

利用基于小波多分辨技术的重力场参数相关系数成像方法对常规重力勘探资料进行处理,求取空间各点的相关系数,表征了各点在地面产生异常的大小.将重力数据的解释从平面空间延伸到地下三维空间,用空间各点的重力场参数的相关系数值来表征地下异常的分布情况,通过对模型剖面数据处理结果的对比分析,基于小波多分辨分解的相关系数成像比未经分解的相关系数成像具有更高的横向和纵向分辨率.最后,给出了模型三维相关系数成像结果,与模型参数有非常良好的一致性.基于该方法的成像结果能更加直观和清晰地反映异常体的空间分布和延伸情况.     

一类复杂动力系统的参数辨析

对一类复杂系统(Lorenz混沌和Rssler超混沌)的未知参数提出一种简便的辨析方法.首先,通过对系统实行反馈控制使其到达任意不动点,然后,通过求解不动点的平衡方程,解析地得到系统未知参数的表达式.以Lorenz混沌为例将该方法和线性参数观测器的方法进行对比,可以更快地实现该系统全部未知参数的准确快速辨析.在系统参数发生阶跃变化的情况下,该方法可很好地实现对参数高精度的快速辨析.数值计算结果和理论分析一致.该方法可以推广到其他复杂动力系统的参数结构辨析研究.     

汾渭平原SO2与气温的函数型空间自回归分析

面对观测到的高维复杂数据,函数型数据分析方法能充分利用数据信息,有效处理这类数据,并分析不同数据类型之间的关系。收集了汾渭平原11个城市2019年月均SO_2浓度数据和逐时气温数据,为了在分析SO_2浓度与气温之间的关系时不丢失重要信息,首先通过函数型数据分析方法,对逐时气温数据进行函数化,并对气温曲线进行动态分析;其次,由于月均SO_2浓度数据存在空间相关性,故在气温曲线和月均SO_2浓度之间建立函数型空间自回归模型(functional spatial autoregressive model, FSAR)。通过函数型主成分基展开的方法对气温曲线进行降维,采用极大似然估计方法对FSAR模型中的参数进行估计。通过与函数型线性模型(functional linear model, FLM)对比,结果表明:FLM模型的均方误差远大于FSAR模型的均方误差。可见用FSAR模型处理SO_2浓度与气温数据的拟合效果更好。