完全极大似然估计与分步极大似然估计

得到了完全极大似然估计的一个重要性质和线形模型、指数分布、均匀分布的完全极大似然估计和分步极大似然估计，并与矩估计和极大似然估计进行比较，结果表明了完全极大似然估计和分步极大似然估计的优良性。     

分步极大似然估计

定义了完全极大似然估计(TMLE)和分步极大似然估计，并得到了正态分布的有关的参数估计．     

随机利润模型中参数的极大似然估计

假设需求量是连续型随机变量，销售利润为其中Ｐ＞０是产品单价，ａ≥０是产品单位可变成本，ｂ≥０是固定成本，ｃ＞０是企业最大生产能力．本文对这种随机利润模型中参数的估计进行了研究，并给出了这些参数存在极大似然估计的充分必要条件．     

方向极大似然估计

本文从方向导数的角度分析了极大似然估计法,提出了方向极大似然估计的概念,并在正态分布下,指出μ与σ服从等轴双曲线型关系.     

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.     

方向极大似然估计

在本文中将极大似然估计的定义进行了推广，提出了方向极大似然估计的新概念，并在正态分布、对数正态分布下证明了两参数μ，σ的等腰双曲线型关系。     

完全极大似然估计

证明了关于完全极大似然估计的一个重要定理,说明当参数的2个不同的变换的某些分量完全相同时,它们的完全极大似然估计是相同的,另外,给定了正态分布和负指数分布的参数以一定的先验分布,在此基础上计算它们的完全极大似然估计,得到了与贝叶斯参数估计形式非常相似的结果。     

多元逻辑模型的极大似然估计

在经济计量研究中，逻辑模型是一种应用非常广泛的非线性概率模型，几今关于一元情形参数估计的讨论文献很多，对多元情形仅证明似然估计的存在性，而没有给出求参数的具体算法，然而多元模型也有其十分广阔的实际应用，本文将给出了多元情形下逻辑模型的极大似然估计及一种具体计算方法。     

极大似然估计充分条件的探讨

极大似然估计为统计模型中参数的点估计之一，在存在性已有证明的基础上，运用分析知识，从指数型分布族的自然形式出发，对极大似然估计的唯一性给出了初等证明     

矩阵正态分布参数的完全极大似然估计

得到了矩阵正态分布的均值和方差的完全极大似然估计,它们都是无偏估计,并且证明了它们是相互独立的。     

关于对数正态分布参数极大似然估计的讨论

利用图解法研究了由EM算法得出的有数据删失情况下对数正态分布参数的极大似然估计,得到了在Matlab中利用迭代算法计算参数估计值的方法.     

多元退化正态分布参数的极大似然估计

设ｍ维随机向量ｙ服从多元退化正态分布，即ｙ～Ｎｍ（μ，Ｖ），其中Ｖ≥０且｜Ｖ｜＝０．我们讨论参数μ，Ｖ的极大似然估计．     

线性随机发展方程的极大似然估计

考虑给定的量测数据中含有向量值维纳过程,使用极大似然估计法求解线性随机发展方程中含参数的反问题。利用Cameron-Martin-Girsanov定理计算出似然函数,由其产生带极小的目标泛函。在证明了方程的解及目标泛函都是参数的连续Fréchet可微函数之后,给出了极小化子存在的必要条件,并算出梯度算子。通过例子验证了本文的结果。     

左椭球分布的极大似然估计

证明了左椭球分布的极大似然估计性质.若随机矩阵Yn×p的分布是参数为μ,Σ的左椭球分布,且Y1,Y2,…,Ym,i.i.d,则μ,Σ的极大似然估计为Y,S2的充分必要条件是Yi~Nn×p(μ,Σ).     

对数正态分布参数的近似极大似然估计

给出了在定数截尾数据缺失场合下两参数对数和正态分布参数的近似极大似然估计。     

伽玛分布参数的极大似然估计数值解法

当伽玛分布的形状参数和位置参数均未知时,利用极大似然法对伽玛分布的参数进行估计时,该似然方程组没有解析解。为此,根据牛顿—拉夫森算法的迭代原理,通过引入一个修正因子对每次迭代的结果予以修正,以提高其迭代的计算精度,从而将改进的牛顿—拉夫森算法应用于求解似然方程组的数值解。最后,给出两个数值模拟算例进行验证和比较。     

一类参数的极大似然估计

本文给出了一类参数的极大似然估计。     

Beta分布参数的极大似然估计

利用均匀设计抽样（ＵＤＳ）方法，给出Ｂｅｔａ分布的参数极大似然估计（ＭＬＥ）。实例表明，此法是有效的。     

对一个汇率模型的参数的极大似然估计

首先通过Cheung和Yeung的汇率模型引出肖庆宪和茆诗松的汇率模型，之后，我们主要是利用微积分，随机过程等基本知识对肖庆宪和茆诗松的模型作了详细的推导，进而导出一个便于操作的结果。而且为了便于今后的实践应用，还利用极大似然估计的方法对模型中的参数进行了统计推断．