序约束下最大似然估计的迭代算法

本文讨论了 k2× 2表相对风险简单半序约束下期望频数的最大似然估计问题 ,给出了求最大似然估计的一种迭代算法 ,并证明了此算法的收敛性     

正态总体均值与标准差比在树序约束下的最大似然估计

考虑3个正态总体均值和方差都是未知参数及所取的3个正态总体样本数不等时, 均值和标准差的比在树序约束下的极大似然估计. 根据PAVA算法的思想, 给出了均值和标准差的比在树序约束下的极大似然估计的计算方法.     

多维保序回归和最大似然估计

给出k=2，p=2时多维保序回归的求解方法和求解公式，令xp，j=1，2，…，n是来自总体为二维正态分布N(μi，A)的样本，i=1，2，均值向量是μ，方差矩阵是A，在μ1≤μ2限制下，利用k=2，p=2时多维保序回归的求解公式给出μi和A的最大似然估计。     

正态分布的均值和方差在伞序约束下的最大似然估计

讨论了k个独立正态总体的均值和方差同时在伞序约束下最大似然估计的求解问题,并给出了一个求解方法和一个例子。     

序约束下AR(2)模型参数的拟似然估计

在约束条件下利用拟似然估计方法对AR(2)模型的参数进行统计推断,研究了拟似然估计(α)和约束拟似然估计(α)*的相合性及渐近正态性,并给出了AR(2)模型参数序关系的假设检验方法及模拟结果.     

最大似然估计关于概率密度函数的通有稳定性

证明了最大似然估计关于概率密度函数的通有稳定性。     

基于最大似然估计的多目标定位

宽带高分辨雷达多目标定位问题一般是先进行精确时延估计，再进行源定位。本文提出了一种在频域运用最大似然估计进行目标位置反演的方法，归结为全局搜索--目标函数的极值。通过对仿真数据的处理，结果显示该方法可以准确的估计出多目标位置。     

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。     

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.     

PC准则下方差分量模型参数的主成分估计的优良性

在方差分量模型中，随机效应向量为正态情形时，征明了PC准则下其参数的主成分估计优于广义LSE估计。     

Pitman准则下对数正态分布参数估计比较

Pitman准则是比较两个估计量优劣的一种标准,本文在Pitman准则下讨论了对数正态分布的参数估计问题。     

PC准则下生长曲线模型回归参数阵广义岭估计的优良性

一般而言 ,PC准则是用来比较向量参数两个估计优劣的一种准则。本文将它推广应用于生长曲线模型回归参数阵的最小二乘估计和广义岭估计优劣性的比较。给出了广义岭估计在PC准则下优于最小二乘估计的条件     

增长曲线模型中回归系数阵混合估计的Pitman优良性

在Pitman准则下比较了增长曲线模型中回归系数阵的最小二乘估计与混合估计的优劣，给出了混合估计在Pitman准则下优于最小二乘估计的条件．     

用AIC准则识别最佳因子分析模型

本文运用日本统计学家Akaike( 1973 )提出的AIC准则 ,对因子分析模型中公共因子的个数进行了选择 ,并对文章 [1]提出的问题作了回答 ,并给出了相应的讨论结果 .针对“中日两国高校教师精神压力的比较研究”课题的数据作了进一步的分析和研究     

PC准则下生长曲线模型回归系数阵的一类线性估计的优良性

设生长曲线模型为Yn×p=An×m Bm×k Ck×p En×p,E～N(0,σ2In(×)Ip).当ATA为病态时,令回归系数阵的最小二乘(LS)解和一类线性估计分别为B=(ATA)-ATYCT(CCT)-1和B1=(ATA ∑)-1 ATYCT(CCT)-1,其中ρ＞0为常数,∑为正定阵.分别在ATA和∑的可交换性未知和已知的情形下证明了:在适当条件下B1于PC准则下优于B.并将这一结论推广到当ATA和CCT都是病态时的情况.     

约束下混合模型的参数估计

考察了带随机信息的混合模型,得出了在线性不等式约束下的混合模型的参数估计,并研究了它的一些性质如均方误差矩阵(MSEM)、均方误差(MSE)准则下相对于混合估计的优劣性.     

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.