具有均匀结构的多元t-分布的MLE

极大似然估计具有许多优良性质 ,笔者应用定义及运算技巧得到具有均匀结构的多元t-分布的极大似然估计     

具有均匀结构的多元t-模型中未知参数的MLEs及分布

 利用极大似然估计的方法,通过条件密度,求出具有均匀结构的多元t-模型中未知参数的极大似然估计及其分布,由此可更好地了解此模型的理论意义和实用价值.     

对数正态分布场合恒定应力加速寿命试验的MLE和AMLE

在寿命分布为对数正态分布场合，由恒定应力加速寿合试验所获的数据，给出未知参数的近似极大似然估计．     

多元t分布及其应用

本书几乎对近50年来发表的关于多元t分布著作中所有可利用的结果都进行了收集和综合。由于这些分布在诸多应用中变得更加显眼，所以此书对于从事多元分析和统计学分布工作的研究人员或专家来说，是一本必需的书。书中的极大部分资料，从未以书的形式出现过。     

对数正态分布场合下恒定应力加速寿命中含有缺失的定数截尾样本的AMLE

导出了对数正态分布场合下恒定应力加速寿命中含有缺失定数截尾样本的近似极大似然估计(AMLE)，得到了分布参数和加速方程中未知参数的AMLE的显式解，便于实际计算和工程应用，数值模拟的结果表明本方法可行．     

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．     

有先验信息的多参数分布族的参数估计

定义了拟极大似然估计和偏拟极大似然估计,并证明了二者在一定的条件下是一致的,最后给出了两个例子说明这两种估计的一致性.     

具有部分缺失数据两个几何分布总体的估计

讨论了具有部分缺失数据两个几何分布总体的参数估计,证明了估计的强相合性和渐近正态性,为几何分布总体的统计推断问题提供了一种解决的方法.     

对数伽玛分布变点模型的估计

对数伽玛分布尺度参数存在变点时的参数估计问题,给出了对数伽玛分布的单变点模型,分别就模型的极大似然估计和贝叶斯估计进行探讨,并用MATLAB软件进行数值模拟.结果表明,在共轭先验分布下单变点对数伽玛分布的贝叶斯估计是最优的.     

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。     

具有Rao简单结构的多元t-模型位置参数的似然比检验

在统计推断中,模型中未知参数的假设检验是一个重要的研究内容.本文利用似然比检验研究了具有Rao简单结构多元t-模型位置参数的假设检验,得到了检验统计量的零分布,用蒙特卡洛方法模拟了理论结果.     

完全极大似然估计

证明了关于完全极大似然估计的一个重要定理,说明当参数的2个不同的变换的某些分量完全相同时,它们的完全极大似然估计是相同的,另外,给定了正态分布和负指数分布的参数以一定的先验分布,在此基础上计算它们的完全极大似然估计,得到了与贝叶斯参数估计形式非常相似的结果。     

具有Rao简单结构的多元t-模型的异常点检验

异常点识别是统计诊断的主要研究问题之一.本文利用均值漂移模型和似然比检验,研究了具有Rao简单结构的多元t-模型的异常点识别问题,给出了判别异常点的方法.     

具有部分缺失数据的两个拉普拉斯分布总体参数的估计与检验

本文研究样本不能完全观测时拉普拉斯分布总体参数的估计问题及相关假设检验问题.讨论了估计量的大样本性质,建立了相关检验的检验统计量,同时给出了检验统计量的极限分布.     

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.     

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.     

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.     

TypeⅠ多元零膨胀指数威布尔分布及其性质研究

首先,本文提出一种新的寿命分布——零膨胀指数威布尔(ZEW)分布,并将单变量ZEW分布推广到TypeⅠ多元零膨胀指数威布尔(MZEW~((Ι)))分布,以用于对包含过多零的多元计数数据进行建模研究;其次,研究了MZEW~((Ι))分布的联合概率质量函数、累积分布函数、矩母函数、边缘分布、极大似然估计和Fisher信息阵。     

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.