EM算法在不完全数据参数估计中的应用

在数理统计中,由于多种不确定因素,可能造成数据不完整或删失情况的出现,这种情况下,会影响数据的可靠性和准确性。对于这样的问题数据,用常规方法可以进行处理,但是这些方法本身有一定的局限性,最终可能导致进行参数估计的数据出现很大误差。所以该文将介绍一种实施简单方便的EM算法,它对不完全数据参数的计算非常有效,能够较准确反映实际情况。     

三元混合指数分布的参数估计

本文应用EM算法研究了三元混合指数分布在正常应力条件下和恒定应力加速寿命试验条件下,在完全数据场合、Ⅰ-型截尾和Ⅱ-型截尾场合的参数估计问题。     

混合Bernoulli分布参数估计的EM算法研究

本文构造了有限混合Bernoulli分布模型。由于有限混合Bernoulli分布模型依赖于参数的取值,我们必须求解未知参数的极大似然估计,基于常规方法求解对数似然函数的最大值点很困难,所以本文基于EM 算法研究了有限混合Bernoulli分布模型的参数估计,并利用R软件进行了随机模拟。     

基于不同缺失率的EM算法参数估计分析

在社会资料调查工作中,往往因失访、未响应或者回馈结果不合格等多方面因素,会造成不同程度上的数据缺失,这一现象较为常见且难以避免.按照统计学观点,将包含缺失数据的记录归为不完全观测范畴,它对调查研究工作的最终结果影响巨大.而EM(期望最大化)算法,则恰好满足了需要利用不完全数据来研究分析问题的要求,具有重要意义.本文结合不同缺失率下的EM算法参数估计分析,对EM算法进行了全面评测.     

混合Weibull分布的参数估计

混合Weibull分布是寿命数据分析中的一个非常重要的统计模型,本文应用EM算法详细研究了混合weibull分布在寿命实验条件下,在完全数据场合,截尾数据场合的参数估计问题。     

基于EM算法实现混合密度极的大似然参数估计

在介绍极大似然估计与EM算法的基础上,探讨了基于EM算法的两混合正态分布极大似然参数估计,并举例说明了若干经典场合的极大似然估计的算法．     

两种删失数据情形下基于EM算法的指数分布的参数估计

主要讨论了在数据随机删失和数据分组与右删失两种情形下指数分布的参数估计问题.并用EM算法对参数进行了估计.     

两混合正态分布的参数估计方法

对两混合正态分布的参数估计问题进行了研究,在传统的极大似然估计的基础上运用EM算法来求解参数估计.首先给出了EM算法的基本原理,然后针对两混合正态分布推出了参数估计的迭代公式,最后用例子验证了参数估计的可靠性.     

基于区间数据加速寿命试验参数估计的EM算法

主要讨论了在步进应力加速寿命试验中,如果寿命分布服从对数正态分布,寿命数据为区间数据,且试验产品满足Nelson提出的累积失效模型的情况下,可以通过推导出的时间折算公式及EM算法给出参数估计。同时举例说明了在样本数据较多的情况下该估计方法的有效性。     

广义指数分布在TFR模型中的参数估计

广义指数分布是应用非常广泛的一种分布,近年对该分布的讨论主要是常规寿命试验数据的统计分析方法,研究重点是参数的点估计.但基于不完全样本、应用TFR模型、探讨广义指数分布在步加试验中的参数估计的文献却很少见.对此,利用EM算法给出了参数估计的显性表达式,并通过数据模拟说明了估计方法的可行性.     

关于指数分布参数估计的一个错误

本文证明了指数分布中参数λ最大似然估计量∧λ的期望,从而纠正了教材中的一个错误.     

线性指数分布参数的Bayes估计

对给定容量为n的线性指数分布样本X1,X2,…,Xn,在Linex损失函数下,利用共轭先验分布讨论线性指数分布参数θ的Bayes估计,多层Bayes估计,E-Bayes估计和极大似然估计.     

指数分布无失效数据参数的Bayes估计

本文对指数分布的无失效数据,在引进失效信息后,在参数的先验分布为不完全Beta分布和指数型分布时,给出了参数的多层Bayes估计和综合Bayes估计,从而可以得到可靠度的估计.     

双参数指数分布母体的参数估计

对论双参数指数分布母体的参数估计，给出两种求参数置信区间的方法．     

混合双参数Pareto分布在截尾数据下的参数估计

应用EM算法之ECM算法,研究了混合分布在截尾数据场合下的参数估计问题,并给出具体的算式．说明EM算法是一种行之有效的方法．     

广义指数分布在步加试验中的参数估计

加速寿命试验中的步加试验,可有效地提高产品质量,且操作简单.基于Nelson模型,讨论广义指数分布在步加试验中的参数估计问题,利用EM算法给出了参数估计的显性表达式,通过数据模拟说明了估计方法的有效性和可行性.     

广义指数分布在恒加试验中的参数估计

针对分组数据情形,研究其参数估计的文献甚是少见.鉴于如此,这篇文章探讨了广义指数分布在恒加试验中,基于分组数据的参数估计问题,并利用EM算法给出了参数估计的显性表达式,最后通过Monte Carlo模拟说明了估计方法的有效性和可行性.     

有门限参数的指数分布期望与方差

根据指数分布期望与方差,给出了有门限参数的指数分布期望与方差.