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。     

半参数变系数部分线性模型的函系数检验

通过局部线性方法给出未知函系数与未知参数的拟似然估计, 利用未知量的拟似然估计构造了函系数部分的广义似然比检验, 并证明了原假设下检验统计量渐近服从自由度独立讨厌参数与讨厌函数的~$\chi^{2}$-分布, 揭示了Wilks 现象. 通过模拟例子对给出的检验方法作出分析.     

多重Ⅰ型混合截尾样本的Weibull分布参数估计

在多重Ⅰ型混合截尾样本情形下,讨论了两参数威布尔分布的参数估计问题.首先结合样本次序统计量联合密度函数给出了参数最大似然估计的表达式,其次利用Newton-Raphson迭代方法得到参数的最大似然估计,然后借助指数分布给出参数的精确置信区间,最后对参数的最大似然估计进行模拟研究和实例案例分析,最大似然估计的稳定性和有效...     

基于循序-Ⅰ型删失数据的广义Pareto分布统计推断(英文)

研究了在循序-Ⅰ型删失数据情形下广义Pareto分布的统计推断问题,讨论了广义Pareto分布未知参数的最大似然估计(MLE).由于数据的缺失,采用EM方法来获得参数的MLE.基于遗失信息原则,给出了观测Fisher信息矩阵,进而给出未知参数的区间估计.通过数值模拟,讨论本文提出的方法.     

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.     

更新过程中分布参数的最大似然估计

文中我们讨论了更新过程中分布参数的最大似然估计,证明了最大似然估计是强相合的。     

双向截尾情况下最大似然估计的强相合性

讨论了双向截尾情况下分布参数的最大似然估计的渐近性质，证明了最大似然估计具有强相合性。     

广义线性模型中不完全数据的参数估计

讨论了广义线性模型类中离散协变量和离散响应变量数据不完全时,参数极大似然估计的EM算法,文中给出了参数估计的具体表达式和估计的渐进协方差.最后,通过随机模拟说明EM算法的优良性.     

三个Gamma分布尺度参数的线性函数在无约束和树序约束下估计量的比较

讨论了三个Gamma分布总体的尺度参数的线性函数在树序约束下的估计问题.在均方误差标准下,给出了尺度参数的线性函数在树序约束下的极大似然估计(MLE)控制无约束条件下的无偏估计(UE)的充分条件.     

对数正态分布参数的精确估计及其应用

分析了两参数对数正态分布均值四种常见的估计方法,其中Gunnar Taraldsen提出的修正极大似然估计优于其他三种估计。在此基础上讨论了总体m阶原点矩和m阶中心矩以及峰度的修正极大似然估计,而且提出总体的中位数、众位数和偏度不存在修正的极大似然估计,并用Mathematica 4.0对上海股票市场的大盘日成交量进行仿真分析,结果表明与理论推导完全一致。     

在ARFIMA模型中使用小波的另一种极大似然估计

用小波变换方法提出ARFIMA(p,d,q)模型中分形差分参数d的另一种极大似然估计(MLE).这种极大似然估计被证明是相合的和渐近正态的.仿真结果显示这种极大似然估计偏差较小,并且与Tse的估计值相比较有更小的根均方误差(RMSE),该方法估计长记忆时间序列是有效的.     

MERSS下Pareto分布刻度参数的估计

研究了动态极值排序集抽样(MERSS)下帕累托(Pareto)分布里刻度参数（a,c)的极大似然估计(MLE)和Fisher信息量.证明了MERSS下c参数MLE的存在性和唯一性,MERSS下c携带的Fisher信息量大于简单随机抽样(SRS)下携带的Fisher信息量.     

随机单位根过程

讨论了误差形式是广义误差分布的随机单位根过程的估计和检验问题.在误差为广义误差分布时对随机单位根过程进行了估计,并利用近似极大似然估计方法构造了相应的检验统计量,同时还得到了统计量在混合相依条件下的极限分布.     

随机分组抽样下流大小分布估计

流大小分布是网络测量中一个重要的度量。已有的研究表明在MLE（极大似然估计）算法中运用TCP流的协议信息能够更好的估计流大小分布。本文详细比较了运用TCP流的SYN包和TCP序列号信息的几种MLE算法，并在此基础上结合实际应用提出了一种对小流采取细粒度、对大流采取粗粒度的非均匀粒度的流大小估计算法。实验结果表明，该算法在减少了MLE估计计算量的同时，提高了粗粒度后大流估计精度。     

线性模型中广义最小二乘估计关于误差分布的稳健性

研究一般线性模型下广义最小二乘估计关于误差分布的稳健性, 给出了误差分布的最大分布类, 使得当误差向量的分布在此范围内变动时, 广义最小二乘估计在广义均方误差准则下为一致最优估计.     

一类刻度指数分布族参数的Bayes估计

在刻度平方损失函数下,研究了一类刻度指数分布族参数的估计,得到了刻度参数的Bayes估计的一般形式,并研究了它的可容许性,最后在两种给定先验分布下得到了刻度参数的正常Bayes估计和广义Bayes估计的精确形式.在此基础上可以对刻度参数进行进一步的统计推断.     

目标定位最大似然估计

提出一种近似的最大似然估计方法,用于基于测量波达角进行目标定位.通过引入一中间量,即和波达角估计相关的非线性方程可以转换成一组未知参数的线性方程.这就是近似的最大似然估计.实验仿真表明,提出的算法具有明显的优点：误差小,鲁棒性好.     

Consistency and asymptotic normality of MLE of parameter vector in a randomly censored GLM with incomplete information

The generalized linear model（GLM） based on the observed data with incomplete information in the case of random censorship is defined. Under the given conditions, the existence and uniqueness of the solution on the likelihood equations with respect to the parameter vector β of the model are discussed, and the consistency and asymptotic normality of the maximum likelihood estimator（MLE） βn^-, are proved.