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．     

极大似然法的基本思想及其应用

本文叙述了建立极大似然法的基本思想，以及如何利用这种方法进行参数估计。     

基于极大似然法的雪荷载计算与分析

为了提高雪荷载评估的准确性,利用极大似然法对雪荷载平稳二项随机概率分布模型进行参数估计.通过引入似然函数,使似然函数在某组参数上达到最大值,获得模型参数的极大似然估计.然后利用柯尔莫哥洛夫检验法对分布函数进行检验,并与矩法和耿贝尔法进行对比分析.结果表明,极大似然法在剩余方差Sf和拟合相对偏差Rf指标方面最优.进一步应用上述三种方法,基于沭阳县实测的历年最大积雪深度计算雪压,并与现行规范中的基本雪压进行对比,发现极大似然法计算结果合理可靠、整体效果最好,认为规范采用极大似然法对雪荷载进行参数估计更为合适.     

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.     

离散型随机变量概率函数的研究

极大似然估计法是参数点估计中一种重要的方法。对于连续型随机变量,可以根据密度函数写出似然方程,进而用极大似然法进行参数估计。但是对于大多数给定分布列的离散型随机变量,往往无法直接写出它的概率函数,无法用极大似然估计法进行参数估计。本文构造了分布列的插指多项式作为离散型随机变量的概率函数,从而用极大似然法对参数进行估计,并讨论了估计量的各种性质。     

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。     

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。     

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.     

基于似然深度的指数分布的参数估计

针对传统估计方法如极大似然估计对于服从指数分布且有污染的截尾数据的参数估计并不是很理想的问题,提出使用一种新的估计方法对其进行参数估计,即似然深度估计,并通过两组实验进行对比,结果显示利用似然深度估计方法得到的参数偏差和均方差较小,表明似然深度估计是一种估计服从指数分布且有污染的截尾数据参数的有效方法。     

两种非线性计量模型参数估计的MLE方法

对于具有内生性问题的probit模型和存在样本选择的probit模型,为了得到一致的参数估计,文中探讨了这两种情形下的极大似然函数的构造问题.     

瑞利分布全样本下的统计分析

针对瑞利分布,在全样本场合下给出了参数的矩估计、极大似然估计和区间估计。与此同时还通过大量Monte-Carlo模拟分别考察了参数的点估计和区间估计的精度,从中可以看到参数的极大似然估计的精度比矩估计的好些。     

双边定时截尾下Pareto分布的参数估计

在双边定时截尾样本下,用极大似然法求Pareto分布中形状参数的估计,由于似然方程较复杂,无法得到参数的显式表达式,但是可以证明极大似然估计是唯一存在的. 由于EM算法是处理缺损数据的一种有效方法,因此利用该算法来求参数的估计问题.用EM算法得到了形状参数估计的迭代式,借助Louis遗失信息原则得到了估计的渐近方差,根据中心极限定理得到了形状参数的近似置信区间.随机模拟结果表明形状参数的EM估计收敛到其极大似然估计.实例给出了不同样本下参数的点估计和区间估计.     

一种三参数Weibull分布极大似然估计的求解方法

提出了一种求解极大似然估计的新算法.根据极大似然估计原理求出尺度参数的表达式,把该表达式代入对数似然函数,使对数似然函数中只包含位置参数和形状参数,把求解非线性方程组问题变成了求解满足约束条件的最优化问题,使问题得到了简化.该法具有计算精度高、运算速度快的优点,利用EXCEL的规划求解即可求解,便于工程应用.     

对称指数分布的参数估计及其优良性

研究了双参数对称指数分布的参数估计问题,给出了2个参数的极大似然估计.在样本容量为奇数的情形,证明了样本中位数作为双参数对称指数分布位置参数的极大似然估计,具有无偏性与强相合性;尺度参数的极大似然估计具有强相合性.在样本容量为偶数的情形,证明了2个参数的任一极大似然估计均具有强相合性.     

基于MATLAB小样本的最短置信区间

研究了小样本抽样正态总体参数的最短置信区间,对单峰非对称分布给出了最短区间估计MATLAB实现;并通过实例分析其对小样本区间估计的优越性.     

p维TVPAR模型中参数的极大似然估计

采用极大似然估计方法给出一类特殊的p维随时间变化参数自回归时间序列模型(TVPAR(p)模型)中系数参数的极大似然估计, 并导出了参数估计的显式解. 讨论模型平稳的条件, 并对模型进行了模拟计算.     

定时截尾样本数据有缺失情形下单参数对数正态分布的参数估计

主要讨论了在定时截尾样本数据有缺失情形下单参数对数正态分布的参数估计问题,并用极大似然估计的方法对其参数σ进行了估计,最后得出了σ的估计值σ．     

响应变量缺失时纵向数据下变系数部分线性测量误差模型的经验似然推断

将经验似然方法应用于响应变量缺失时纵向数据下变系数部分线性测量模型中兴趣参数置信域,构造了关于参数分量纠衰的分块经验对数似然比函数,进而推导出参数分量纠衰的分块经验似然比统计量及其渐近分布。数据模拟结果表明所提出的经验似然方法在置信区间长度和覆盖率方面要优于正态逼近方法。     

SQP 优化的最大似然波达方向角估计

为快速实现波达方向角( DOA: Direction Of Arrival) 的精确估计, 提出了应用序列二次规划( SQP:Sequence Quadratic Program)的最大似然DOA 估计算法。给出了用于DOA 估计的最大似然函数, 将参数估计问题转化为非线性函数优化问题; 并利用SQP 优化算法对似然函数的求解进行优化, 得到DOA 的估计值。仿真结果表明, 该算法可用较少的计算时间实现对似然函数的优化求解, 同时保留了最大似然估计的渐进无偏估计性能, 与遗传算法、粒子群算法相比, 不仅具有更快的寻优速度, 而且具有更高的收敛精度。