一种特殊混合分布的参数估计

混合分布是寿命数据分析中的重要的统计模型.讨论一种寿命实验条件下特殊混合分布模型的参数估计.在寿命试验中,应用EM算法计算出了在完全数据场合和截尾数据场合下的的参数估计.     

多元混合指数分布场合下恒加试验完全数据的参数估计

本文应用EM算法研究了多元混合指数分布,在恒定应力加速寿命试验条件下,在完全数据场合、I-型截尾和II-型截尾场合的参数估计问题.     

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.     

混合指数族分布的参数估计

构造混合指数族分布,分别在正常工作条件下和恒加应力加速寿命试验条件下的完全数据场合、定时截尾和定数截尾的情形下,利用EM算法估计混合指数族分布的参数,综合文献进而得到更一般的结论.最后通过模拟,讨论了一种特殊的混合指数族分布的参数估计问题.     

双边定时截尾下Burr Ⅻ分布的参数估计

在双边定时截尾样本下,用最大似然法求Burr Ⅻ分布中未知参数的估计,证明了最大似然估计是唯一存在的.用EM算法得到了未知参数的迭代公式及渐近方差,相关引理说明迭代公式具有良好的收敛性.随机模拟结果表明未知参数的EM估计要优于最大似然估计,对于双边定时截尾样本来说,EM算法是一种较好的参数估计方法.     

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 *。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。(注：*处代表公式)
     

基于EM算法的Dirichlet分布的参数估计

为了克服Dirichlet分布的传统估计算法复杂且不能保证有效性的缺陷,将基于Dirichlet分布的随机表示引入缺失数据,构造了EM算法计算参数的极大似然估计,算法简单的同时保证了估计的有效性.最后进行统计模拟,结果表明,本文提出的基于EM算法的Dirichlet分布的参数估计有很好的估计精度.     

带有不完全信息随机截尾试验下伽玛分布多变点模型的参数估计

利用MCMC方法研究了带有不完全信息随机截尾试验下伽玛分布多变点模型的参数估计问题.通过添加缺损的寿命变量数据得到了瑞利分布的完全数据似然函数,对各参数的满条件分布进行了随机抽样.随机模拟证实了各参数估计的精度都较高.     

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.     

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。     

EM算法理论及其应用

EM算法是一种迭代算法,主要用来计算后验分布的众数或极大似然估计,广泛地应用于缺损数据、截尾数据、成群数据、带有讨厌参数的数据等所谓的不完全数据的统计推断问题。在介绍EM算法的基础上,针对EM算法收敛速度慢的缺陷,具体讨论了加速EM算法：EMB算法和MEMB算法;针对EM算法计算的局限性,给出了EM算法的推广：GEM和MCEM算法。最后给出了EM的实值实例,结果精确。     

基于FORM的Monte Carlo精度修正可靠度算法

结构可靠度分析的核心是计算预定义功能函数的失效概率。提出一种基于一次可靠度算法 (FORM)计算结果的 Monte Carlo精度修正可靠度算法 ,它将原可靠度列式转换为一个求旋转坐标系下 n- 1元函数的统计均值问题 ,统计均值用 Monte Carlo法计算。这种可靠度算法克服了传统FORM法误差较大以及 Monte Carlo法效率低的困难 ,与二次可靠度算法 (SORM)相比 ,计算结果对验算点的计算精度不敏感。通过算例分析验证了该文方法的合理性     

Monte Carlo方法应用研究

介绍了Monte Carlo(蒙特卡罗)方法,即随机模拟方法,提出了任意分布随机数的产生原理及方法,并用算例说明Monte Carlo方法的使用过程,同时用χ2拟合优度法验证了其合理性.     

基于模态回归的半参数部分线性模型的稳健估计

以半参数部分线性模型为对象,研究了基于模态回归的稳健估计方法。非参数部分采用B样条近似,在模型的回归中通过控制核函数的带宽来实现估计的稳健性,结合局部二次算法(LQA)和模型期望值最大化算法(MEM),提出EM估计算法,得到了参数估计以及非参数部分估计的收敛速度。通过蒙特卡洛模拟和实例分析,验证了本文方法的有效性。     

混合指数分布动态样本比例中参数估计

混合指数分布是寿命数据分析中的一个非常重要的统计模型.产品老化导致混合指数分布样本的比例是动态的.在寿命试验中,应用EM算法研究了混合指数分布以动态样本比例的形式在完全数据与截尾数据场合的参数估计问题.所得结论用Monte Carlo进行模拟,比较符合试验实际.     

改进蒙特卡洛算法及其在高阶段充填采矿中的应用

用简便、经济、可靠的方法产生随机数是蒙特卡洛法应用的关键.用Logistic迭代方程产生随机数,不仅简单可靠,而且符合要求,改进了蒙特卡洛算法,为工程可靠性计算提供了一种新的方法.对高阶段充填体进行了力学分析,采用微元应力分析法,推导了分层充填力学计算公式.用改进蒙特卡洛算法分析了高阶段充填体稳定性,并应用于某铜矿5号采场高阶段充填设计.研究结果表明,充填体暴露高度越高,充填体内应力越大,充填体暴露长度越小,充填体向上下盘围岩转移应力的效果越显著,因此缩短采场长度有利于充填体稳定性和降低充填成.     

区间删失下广义幂威布尔回归模型的参数估计

为研究区间删失的观测数据,结合广义幂威布尔分布和非线性回归模型提出了广义幂威布尔非线性回归模型,并基于迭代法给出了模型中参数的极大似然估计.最后就不同危险函数、样本量和删失比,通过蒙特卡洛模拟说明了参数估计方法的有效性.     

求解抛物型方程的并行Monte Carlo区域分解算法

介绍了用Monte Carlo方法求解抛物型方程的3种游动模型, 给出了相应的证明及误差的概率估计式; 将Monte Carlo方法和区域分解算法相结合提出一种可并行计算抛物型方程的方法, 针对形式一般的方程给出了具体算法, 并指出算法适用的条件; 分别对二维、 三维抛物型方程进行数值实验, 实验结果表明该算法通过合理的安排, 几乎不需要数据传递, 在并行机上可以节省大量的计算时间.     

用修正的MDIE估计IRT中未知参数

该文选择了一种极小判别信息估计(MDIE)方法,用于项目反应理论中参数估计.根据项目反应理论的思想将MDIE中观察的离散概率分布向量由EM算法中的人工数据导出,得出一种新的估计方法,称之为MDIE/EM.Monte Carlo模拟显示对于被试人数多、项目个数中等情形,以估计精度为评价指标,新估计方法优于BILOG给出的估计.     

成分数据中基于MCLasso的修正EM算法

针对成分数据中含有近似零值,对其作对数比变换后就会出现无穷值,从而影响对数据的进一步分析.提出了一个新的修正EM算法来处理成分数据中的近似零值问题,针对EM算法的缺点对其进行一些改进,即:对EM算法的E步用Monte Carlo方法改进,对EM算法的M步用Lasso算法进行改进.对新的方法进行实证分析,并与基于线性回归的修正EM算法、基于均值插补法和Bootstrap的修正EM算法进行比较研究,验证了该方法的有效性.