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．     

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.     

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。     

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.     

基于EM算法的极大似然参数估计探讨

首先介绍了EM算法，然后研究了基于EM算法的混合密度极大似然参数估计，最后利用计算机仿真验证了此算法的收敛性和有效性。     

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。     

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     

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。     

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．     

基于寿命期间数据的极大似然估计

产品的寿命期间是其实际寿命时间与一些未使用时间（比如贮存和运输时间）之和。对寿命期间数据，产品的实际寿命时间未能观测到，本文利用Ｍｏｎｔｅ Ｃａｒｌｏ ＥＭ算法与Ｉｍｐｏｒｔａｎｃｅ Ｓａｍｐｌｉｎｇ方法相结合，给出了产品的寿命时间分布参数以及未使用时间分布参数的极大似然估计，极大似然估计的方差的近似估计也很容易得到，最后还作了随机模拟和实例计算。     

极大似然估计与最优化数值方法

本文研究了可靠性分析中基于不完全样本数据寿命分布参数的极大似然估计(MLE)的最优化数值解法,并且对威布尔(Weiull)分布和对数正态分布分别给出了具体的随机模拟计算结果.     

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．     

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。     

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。     

基于Haar小波和极大似然估计的Hurst参数估计法

Hurst参数是表征网络业务自相似性的一个重要参数,在一定的观察时间内对突发业务的Hurst参数进行快速、准确的估计是高速宽带网络实施流量控制和缓冲资源分配的前提.本文提出一种基于Haar小波和极大似然估计的Hurst参数估计法.该方法首先使用Haar小波对DFBM序列的增量DFGN序列进行小波变换,然后再利用极大似然估计来估计Hurst系数.仿真生成的DFBM和真实自相似网络业务数据的计算结果均表明,该方法提高了Hurst参数估计的效率和准确性,比传统方法具有更好的性能.     

极值分布的极大似然估计及计算机实现

极值分布在计量经济学、金融工程、计算生物学、工程测量中都有用途,一般常用最小二乘法估计其参数,但最小二乘法的误差较高.极大似然估计具有比最小二乘法更好的性质,但由于它的计算往往比较麻烦.通过极大似然法估计了极值分布的参数,同时给出了求参数的数值解的算法,并通过Matlab程序实现了这一算法.