指数多项式模型中参数最大似然估计的收敛速度

强度随时间变化的非齐次Possion过程在很多领域应用广泛.对一类非常广泛的非齐次Poisson过程—指数多项式模型,得到了当观测时间趋于无穷大时,参数的最大似然估计的“最优”收敛速度.     

非正交因子下APT模型参数估计的渐近性质

本文讨论文献[1]中所给APT模型参数估计的渐进性质,当θM^∧存在时,证明了它的强相合性和渐近态性;进而,对无套利场合的APT假设,提出了其LRT和修正的检验方法。     

多基地雷达最大似然估计法目标定位与测速

讨论一种基于距离差信息的调频连续波(FMCW)T-Rⁿ方式多基地雷达近程目标定位系统,利用宽带FMCW雷达信号的高距离分辨率特点,分析了目标定位并估计目标速度的最大似然估计方法,导出了与发射机位置无关的目标定位及速度估计公式,对系统性能进行了分析并给出了计算机仿真结果.     

最大似然估计的教学方法

最大似然估计法是到目前为止最重要也是用得最多的参数估计方法.对最大似然估计的讲解给出了新的尝试,并在教学中取得了良好的效果.     

非高斯噪声模型参数的最大似然快速估计

研究了Class A统计物理模型,对该模型的参数估计提出了一种最大似然方法,利用FFT的优势降低运算量,通过对观测数据进行分类计算以保证精度要求,并设计了初始值估计方案. 仿真实验表明,该方法精度高,迭代次数少,有较高的应用价值.     

对数正态分布序列单均值变点的识别和估计

针对数据呈现偏态分布且存在变点的情况,构建对数正态分布的单均值变点模型,给出分布的均值单变点模型的似然函数,并采用极大似然方法和贝叶斯方法对变点位置进行识别和估计．通过模拟比较研究,这两种方法都能有效地估计变点位置,在标准差和相对误差准则下,贝叶斯方法比极大似然方法效果更理想．其中共轭先验分布下的贝叶斯方法较无信息先验下的贝叶斯方法识别和估计变点位置表现更优．     

基于股票财务数据的贝叶斯网络的参数学习

研究了基于最大似然估计、贝叶斯估计与EM算法的贝叶斯网的参数学习.选取上市公司的10个股票财务变量构建贝叶斯网络,利用创建好的贝叶斯网络进行统计推断.对比最大似然估计和贝叶斯估计得到的参数值并展示EM算法不同迭代次数时的指数似然值,把EM算法得到的CPT表和最大似然估计的值相比较,对比较得到的结果进行归纳与分析.为基于不同算法的贝叶斯网络的参数学习提供了实证分析.     

基于非光滑经验似然的低收入比例推断

低收入比例是世界各国公认的用于描述收入分配不平等的一个重要指标,它常被用来评价人类社会的经济和贫困状况,这一指标的准确估计对政府制定经济政策有着重要作用。为了研究低收入比例,给出了基于非光滑经验似然的低收入比例推断。在简单随机抽样下定义了低收入比例的经验似然比,并证明了其极限分布为标准的卡方分布。最后进行了实例分析。     

天线相关性对空时频移键控(ST-FSK)系统性能的影响

给出了在已知天线相关因子条件下接收端的非相干ML判决度量,讨论了天线存在相关性时进制数、天线相关因子、信噪比和可靠性指标的关系.理论分析和仿真结果都表明:发射天线相关性的存在相当于破坏了发射信号的酉特性,迫使系统付出额外的“功率”代价.相应的“功率”代价随着相关因子的增加而非线性增加,而与进制数的关系很小.     

随机截尾情形下几何分布的参数估计

得到了随机截尾情形下几何分布参数的最大似然估计和近似置信区间,并且求出了平均寿命极大似然估计的数学期望和方差.