极大似然估计及其应用

讨论了极大似然估计原理及求法,说明了极大似然估计在不同分布和参数空间的应用,阐述了生命表中在单风险非完整样本数据环境中表格生存模型的极大似然估计方法．     

逐步二型删失数据下广义Pareto分布的参数估计

逐步二型删失数据在生存分析中的应用较为广泛,因此在逐步二型删失数据下推导了广义Pareto分布中的尺度参数的极大似然估计与Bayes估计的估计形式,并在平方损失函数下,基于MCMC方法与Lindley近似法,给出了广义Pareto分布尺度参数的Bayes估计.结果表明：贝叶斯估计方法优于极大似然估计方法,MCMC后验抽样下的Bayes估计优于Lindley近似方法.     

极大似然估计的性质探讨

文章首先介绍了极大似然估计,然后综述了极大似然估计的优良性质,同时探讨了在应用极大似然估计时所应注意的问题。     

等价限制线性模型中极大似然估计的稳健性

稳健性分析是判断估计值与真实值之间差异是否重要的一种方法。限制线性模型下的极大似然估计的稳健性是当前大家比较感兴趣的一个问题。笔者在前人的基础上,给出限制线性模型中极大似然估计对随机误差协方差矩阵的稳健性统计量,并对其进行分析,得出限制线性模型中极大似然估计对随机误差协方差矩阵不敏感。     

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．     

双边定数截尾下线性指数分布的参数估计

在双边定数截尾样本下讨论了线性指数分布中未知参数的极大似然估计和Bayes估计.通过Newton-Raphson迭代法得到了参数的极大似然估计,并证明了极大似然估计的唯一存在性.选取无信息先验分布与共轭先验分布,分别在对称损失函数和非对称损失函数下,通过Tierney-Kadane近似讨论参数的Bayes近似估计.利用MatlabR200b模拟了未知参数的极大似然估计的均方误差以及Bayes估计的均方误差,结果表明：不同样本量不同截尾方案下,选取Gamma先验分布并在平方损失函数下,未知参数的Bayes估计的均方误差是最小的.     

可信性理论中的极大似然估计（英文）

本文基于模糊变量的可信性分布,提出了模糊极大似然估计的概念,证明了模糊极大似然估计的不变性及其收敛性。     

经验似然在正态分布中的应用

正态分布为概率论中很重要的一种分布,在科学研究中有着重要的地位,该分布由均值和方差两个变量决定。常用的参数估计法为矩法估计和极大似然估计,经验似然作为一种新的估计方法,同样适用于其它常用的分布。     

基于最大L_q似然估计的广义非线性模型的统计诊断(英文)

为了检测数据是否符合给定的模型,需要对数据进行统计诊断.研究了基于最大Lq似然估计的广义非线性模型的统计诊断问题.利用3个统计诊断量来检验数据中是否都存在异常点.模拟结果显示,当样本容量较小时,使用最大Lq似然估计方法得到的诊断统计量的结果要比使用极大似然估计(MLE)方法得到的结果大;随着样本容量的增加,它们之间的区别逐渐减小.因此,使用最大Lq似然估计方法比用MLE方法更容易找到数据中的异常点.     

一类单参数均匀分布上参数极大似然估计及优良性的讨论

文中对U={θ-1/2,θ＋1/2}上参数θ常用的三个极大似然估计及修正后的极大似然估计,从均方误差角度进行比较,得出了较优的估计,并证明其相合性及UMVUE．     

右截尾数据处理方法简析

电子元器件可靠性寿命分析中,右截尾类型的数据居多,针对此类数据的分析方法也很多。其中,线性回归和极大似然估计应用较广。在此,运用实例对这两种方法进行了对比分析,指出了使用线性回归法进行参数估计的缺点,说明极大似然估计法是比线性回归法更优的统计模型。     

基于时间序列数据Hull-White模型半参数估计方法

基于时间序列数据,对Hull-White短期利率模型进行半参数估计。通过两阶段估计方法,原半参数估计模型转化为非参数估计模型和全参数估计模型。前者使用核函数估计方法,后者使用极大似然估计,从而简化整个参数估计过程。实证的结果表明,在给定合适窗宽条件下,基于Hull-White模型的似然值将得到改善。     

广义逆威布尔分布参数的ML估计

逆威布尔分布是可靠性理论中常见的一种失效分布,可广泛应用于化学化工,电子电气,机械材料领域.对于逆威布尔分布的尺度参数和形状参数的极大似然估计是研究威布尔分布模型问题的重要方法.由于考虑到普通迭代估计过程的不稳定性,本文利用修正牛顿迭代法给出了完全样本情况下广义逆威布尔分布多个参数的极大似然估计,然后通过随机模拟来验证估计的合理性.     

逐步Ⅱ型删失数据下BurrⅢ分布形状参数的估计

基于逐步Ⅱ型删失数据，假设在每一阶段退出试验的样品是随机的情况下，对BurrⅢ分布中的形状参数进行估计。定义了BurrⅢ分布形状参数的极大似然估计、EM估计和贝叶斯估计三种估计方法的估计式。同时，给出了EM估计的近似置信区间与贝叶斯估计的HPD置信区间。此外，利用Monte-Carlo模拟，对上述三种估计方法的效果进行了对比分析。模拟结果表明，在均方误差(MSE)准则下，贝叶斯估计优于EM估计，更优于极大似然估计，同时两种置信区间的区间长度近似。     

计算机化自适应测验(CAT)的发展和前景展望(续)

三、CAT中对的估计(一)MLE(极大似然估计法)假设一个能力水平为θ的被试对n道项目X_1,X_2,…,X_n作答。θ的估计可以通过使(8)式所示的似然函数最大化的方式来得到。令(?)_n为此时所得的θ估计。显然(?)_n也是(9)式的极大似然估计。已知在一定的条件下,(?)_n符合渐进正态,其均值为θ,方差近似为I~(-1)_n((?)_n)。目前的CAT设计大多通过递归方式在被试回答一个新的项目之后得到最新的θ估计,并根据信息最大化法抽取下一个项目。     

确定删失数据下比例优比模型中参数的估计

介绍确定删失数据下带有随机效应的半参数比例优比模型中参数的极大似然估计以及估计的性质,并给出估计的算法.     

浅议充分统计量的几个用处

探讨了基于充分统计量的几个重要应用,重点讨论了充分统计量在参数估计中一致最小方差无偏估计和极大似然估计的构造方法及在假设检验中检验函数的构造方法。     

极大似然估计法在不同概率问题中的具体应用

本文通过实例阐述了极大似然估计法在不同概率估计问题中的具体应用.     

Bayesian模型中边际似然函数的估计

贝叶斯推断中边际似然函数涉及到维数较高的复杂积分的计算，因而精确地计算边际似然函数往往有困难．经常会选择一种近似方法来估计边际似然函数，本文介绍边际似然函数的几种近似估计方法．     

极大似然估计的朴素理解

极大似然估计是一种广泛应用的统计方法,本文旨在以一种大众化的语言使读者至少必须搞清楚几个问题:估计什么?需要什么前提或假设?如何估计?估计的准确度如何?