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     

向量自回归模型参数的极大似然估计

研究了n维向量AR(p)自回归模型参数的极大似然估计与似然比检验,给出并证明了参数、的估计值,通过实例进行了似然比检验.     

A Genetic Algorithm for Estimations of Parameters under Partial Order Restrictions

ＡＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｆｏｒＥｓｔｉｍａｔｉｏｎｓｏｆＰａｒａｍｅｔｅｒｓｕｎｄｅｒＰａｒｔｉａｌＯｒｄｅｒＲｅｓｔｒｉｃｔｉｏｎｓＺＨＡＯＲｕｉｑｉｎｇＣｏｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｒｉｎｇ，Ｓｈｉｊｉａｚｈｕａｎｇ０...     

Gamma分布环境因子的统计推断

为了对不同环境下的试验数据进行折算与综合，本文在失效机理不变的前提下，详细讨论了Ｇａｍｍａ分布环境因子的定义；给出了判别两种环境下产品失效机理是否发生了明显变化的统计检验方法；并推导了Ｇａｍｍａ分布环境因子的极大似然估计（ＭＬＥ）及经典的、Ｆｉｄｕｃｉａｌ与Ｂａｙｅｓｉａｎ区间估计。最后以数值举例说明了定义和各种统计推断方法的适用性。     

Inference for constant-stress accelerated life test with Type-I progressively hybrid censored data from Burr-Xll distribution

This paper proposes a simple constant-stress accel- erated life test （ALT） model from Burr type XII distribution when the data are Type-I progressively hybrid censored. The maximum likelihood estimation （MLE） of the parameters is obtained through the numerical method for solving the likelihood equations. Approxi- mate confidence interval （CI）, based on normal approximation to the asymptotic distribution of MLE and percentile bootstrap Cl is derived. Finally, a numerical example is introduced and then a Monte Carlo simulation study is carried out to illustrate the pro- posed method.     

MRR模型一类正态总体的极大似然估计法及检验

Madhavan等给出了一个著名的价差分解模型：MRR模型. MRR模型利用广义矩方法估计参数,这使得该模型在扩展上受到矩条件限制. 考虑到价格演变存在条件异方差现象基础上,本文给出一类极大似然估计方法,使MRR模型在模型扩展中增加的变量不受矩条件限制. 以上证180成分股数据作为样本,实证结果表明带限定条件的极大似然估计法准确地捕捉了交易中的信息参数及流动成本,同时在原模型估计及扩展上有很好的稳定性. 模型扩展上,进一步检验了交易强度对信息参数的影响.     

逐次定数截尾下双参数指数分布的参数估计

讨论了双参数指数分布基于逐次定数截尾样本下的参数估计,导出了参数的逆矩估计和极大似然估计,并通过数值模拟进行比较,模拟结果表明逆矩估计优于极大似然估计。     

改进的对数衰减动态非视距定位

在一般对数衰减模型中衰减因子是一个常量,但在实际应用中会引起较大的测距定位误差. 为了减少定位估计误差,在对Zigbee 组网定位实验数据进行统计分析的基础上,提出用负指数函数来描述衰减因子与距离（目标节点与锚节点间距）之间的关系,进而建立一种改进对数衰减模型;给出一个基于改进对数衰减模型的ML 估计器,并推导了该估计器的Cramer-Rao下界(Cramer-Row lower bound, CRLB). 在实验室和车站站场的Zigbee 组网定位实验结果表明,使用改进对数衰减模型的ML 估计器能提供更准确的定位估计,对场景变化有较好的适应性.     

华北落叶松人工林直径分布预测模型构建

【目的】基于不同直径分布预测模型(Weibull分布模型、Gamma分布模型、Lognormal分布模型),构建包含华北落叶松林分因子的直径分布线性混合效应模型,有助于分析直径分布对林分因子动态变化的响应。【方法】利用塞罕坝华北落叶松人工林标准地调查数据,应用最大似然估计法(Maximum Likelihood Estimation, MLE)估计模型参数,通过K-S(Kolmogorov-Smirnov)检验、C-V(Cramer-von Mises)检验、A-D(Anderson-Darling)检验对模型适用性进行检验,基于最优模型构建华北落叶松人工林直径分布线性混合效应模型。【结果】塞罕坝华北落叶松人工林直径分布最优模型为Weibull分布;基于最优模型,构建了包含优势高、断面积、对数密度的线性混合效应模型,当3个参数随机效应方差-协方差结构和误差项结构均为对角矩阵结构[UN(1)]时,模型的拟合效果最好。包含位置、尺度、形状3参数随机效应项模型的决定系数R²分别为0.895、0.888、0.801,均方误差(MSE)分别为5.365、1.724、1.151,均方根误差(RMSE)分别为2.316、1.313、1.073,拟合结果均较好。【结论】线性混合效应模型具有较好的预测直径分布能力,可为精准预测华北落叶松人工林直径分布提供理论依据和技术参数。     

Misspecified prediction for time series

Let {X_t} be a stationary process with spectral density g(λ).It is often that the true structure g(λ) is not completely specified. This paper discusses the problem of misspecified prediction when a conjectured spectral density f_θ(λ), θ∈Θ, is fitted to g(λ). Then, constructing the best linear predictor based on f_θ(λ), we can evaluate the prediction error M(θ). Since θ is unknown we estimate it by a quasi‐MLE . The second‐order asymptotic approximation of is given. This result is extended to the case when X_t contains some trend, i.e. a time series regression model. These results are very general. Furthermore we evaluate the second‐order asymptotic approximation of for a time series regression model having a long‐memory residual process with the true spectral density g(λ). Since the general formulae of the approximated prediction error are complicated, we provide some numerical examples. Then we illuminate unexpected effects from the misspecification of spectra. Copyright © 2001 John Wiley & Sons, Ltd.