EM算法在删失数据分布和混合分布参数估计中的应用

EM算法是一种迭代算法,主要采用后验分布的众数或极大似然估计,广泛的应用于删失数据,截尾数据,成群数据,带有讨厌参数的数据等。文章介绍EM算法,并对删失数据的对数正态分布参数估计和混合正态分布参数的极大似然估计进行了模拟,模拟结果表明对删失数据分布的参数估计和复杂的极大似然估计,EM算法是有效的,估值精度满足要求。     

几何分布冷贮备产品的统计分析

文章给出了全样本场合几何分布冷贮备系统产品在开关寿命为几何型且开关失效时产品不立即失效的情形下参数的矩估计和极大似然估计,并通过大量Monte-Carlo模拟考察点估计的精度得到极大似然估计优于矩估计.     

全样本几何分布串-并联系统产品的统计分析

针对几何分布串-并联系统产品,在全样本场合下给出了参数的矩估计、极大似然估计和近似区间估计,从理论上证明了矩估计和极大似然估计的唯一性,同时还通过大量Monte-Carlo模拟分别考察了参数的点估计和近似区间估计的精度,从中可以看到参数的矩估计和极大似然估计的精度相差无几。     

全样本指数分布并-串联系统产品的统计分析

文章对指数分布并一串联系统产品在全样本场合下给出了参数的矩估计、极大似然估计、精确的区间估计和近似区间估计,并通过Monte-Carlo模拟考察了参数点估计和区间估计的精度,得出矩估计和极大似然估计的效果没有太大差异,但精确区间估计的效果要优于近似区间估计.     

Lindley分布的统计分析

文章在全样本场合下,比较了两种求参数区间估计的方法,通过Monte-Carlo模拟比较了区间估计的精度.其次在定数截尾样本场合下,给出了参数的极大似然估计与逆矩估计,通过模拟比较认为逆矩估计比较精确,同时还给了求参数区间估计方法,通过模拟发现方法是可行的.     

逐次定数截尾下Pareto分布参数的逆矩估计

基于逐次定数截尾样本下,讨论了Pareto分布的参数估计,得到了两参数的逆矩估计,并通过数值模拟与极大似然估计进行比较,结果表明逆矩估计优于极大似然估计.     

极大似然估计的间接求法

文章给出了全样本和定数截尾样本场合下求参数极大似然估计的间接方法,并举例说明了该方法的可行性和简便性。     

高维参数多项Logistic模型的估计方法

高维参数多项Logistic模型的参数估计,用极大似然法估计很困难.文章给出一种新的估计方法:基于逆回归,给出参数单位向量的估计,从而高维参数得到降维;用极大似然法估计参数向量的模,最后得到参数的估计.且是相合估计.     

不同损失下指数-威布尔分布参数的Bayes估计

文章在对称和非对称损失函数下研究了两参数指数一威布尔分布(EWD)形状参数的Baves估计问题.当其中一个形状参数α已知时,给出了另一个形状参数θ在三种不同损失函数下Baves估计表达式及极大似然估计:运用随机模拟方法产生不同容量的样本对三种不同形式的Baves估计及极大似然估计的精确度进行了比较.模拟结果说明,要提高估计的精确度,应根据样本数选取损失函数.     

线性回归模型的后验极大似然估计

与普通最小二乘法相比,线性模型参数的极大似然估计,在一般的条件下也具有很好的性质;而实际中,在进行统计推断之前,我们往往对参数的信息有一定把握。文章将利用参数的先验信息即先验分布,构造了线性模型参数的后验极大似然估计,并在两种先验分布的情形,给出了具体的结果。     

Box-Cox变换下联合均值与方差模型的极大似然估计

在提出Box-Cox变换下联合均值与方差模型的基础上,研究了该模型参数的估计问题.同时利用截面极大似然估计方法对变换参数λ进行估计,并对均值模型和方差模型的参数进行极大似然估计.通过随机模拟和实例研究,结果表明该模型和方法是有效和可行的.     

分组数据情形下一般指数分布刻度参数的极大似然估计

文章研究了分组数据情形下,一般指数分布(GED)刻度参数的极大似然估计存在且唯一的充要条件,进而得到了极大似然估计具有强相合性.     

正态总体下参数的优化极大似然估计方法

文章讨论了一种新的抽样方法,基于这一抽样方法提出了样本参数的优化极大似然估计,并进一步与简单随机抽样下的参数的极大似然估计结果作比较,从估计渐进效率的角度说明了该方法的优良性。     

平滑转移空间随机前沿模型的贝叶斯估计

经济数据常存在空间相关性,忽略空间相关性会引发内生性问题,导致相应估计量有偏且不一致。空间随机前沿模型在随机前沿模型的基础上考虑了生产单元的空间相关性,更利于效率测算。然而现有空间随机前沿模型的生产函数形式单一,适用性较差,实证分析存在局限性。文章在空间随机前沿模型中引入平滑转移效应,构建了平滑转移空间随机前沿模型,该模型同时考虑了空间相关性和个体异质性,适用性较佳。为丰富估计方法,同时采用极大似然方法和贝叶斯方法估计模型,其中极大似然估计的核心在于推导对数似然函数、对数似然函数的最优化以及使用JLMS法估计技术效率,贝叶斯估计的核心在于推导未知参数的后验分布及执行MCMC抽样。数值模拟结果显示：（1）极大似然估计和贝叶斯估计的估计精度均较高,其中贝叶斯估计的估计精度略高于极大似然估计;增加样本容量,贝叶斯估计和极大似然估计的估计精度更高。（2）若忽略空间效应或者平滑转移效应,则估计精度较低。     

逐步增加的Ⅱ型截尾下Lomax分布形状参数的估计

文章在逐步增加的Ⅱ型截尾下,给出了Lomax分布形状参数θ的极大似然估计;由“平均剩余寿命”的概念得到了形状参数的逆矩估计,在平方损失函数和对称熵损失函数下,针对不同的先验分布给出了参数θ的Bayes估计;最后通过随机模拟对几个估计进行了比较,说明了在相同的损失函数下,取共轭先验分布较无信息先验分布的精度要高.     

讲授极大似然估计时应注意的几个问题

极大似然估计是由费雪（Ｒ．Ａ．Ｆｉｓｈｅｒ）在１９１２年提出的一种对参数进行点估计的方法。由于这种方法对总体参数进行点估计时，既利用了样本资料对参数提供的信息，又充分考虑了总体对参数提供的信息，因而极大似然估计值具有一致性、有效性、充分性、完备性等优良估计特性，也正是由于这个原因，使得极大似然估计法一直是参数点估计法中最重要的方法     

索赔次数服从复合Poisson—Geometric分布的风险模型的参数估计

文章分析了索赔次数服从复Poisson—Geometric分布时的风险模型，给出了参数的矩估计，采用随机模拟的方法考察了矩估计不存在的比率，同时还给出了参数的极大似然估计；通过大量Monte-Carlo模拟考察了点估计的精度，认为矩估计优于极大似然估计，并且通过实例分析说明了本文方法的应用。     

定时截尾样本下广义逆指数分布参数的Bayes估计

文章在定时截尾样本下,讨论了广义逆指数分布形状参数、可靠度和危险率的极大似然估计。基于指数先验分布,在熵损失、平方损失和Linex损失函数下分别得到形状参数、可靠度和危险率的Bayes估计,并给出了确定超参数的方法。利用数值模拟计算了估计量的各种估计均值和均方误差，研究结果表明,形状参数在熵损失和Linex损失函数下的估计精度较高;可靠度的Bayes估计整体优于极大似然估计;危险率的Bayes估计在Linex损失函数下的效果较好。     

Cauchy分布的统计分析方法研究

文章在刻度参数λ已知的情形下,给出了位置参数μ的分位数估计与逆矩估计,通过模拟比较发现分位数估计更加精确.同时还给出了参数μ的区间估计,考察了区间估计的精度;在位置参数μ已知的情形下,给出了刻度参数λ的极大似然估计,考察了点估计的精度;在参数μ,λ都未知的情形下,给出了参数μ,λ的点估计,通过模拟认为位置参数μ的点估计取样本中位数,而刻度参数λ的点估计取极大似然估计(依赖于μ的估计)较为精确.     

基于Copula函数的金融市场尾部相关性分析

在常规极大似然估计法中，Copula函数的参数估计受边缘分布函数拟和的影响较大，鉴于此，用基于秩的极大似然法估计Copula函数的参数，并结合常见的4类双参数非对称BBx—Copula函数，对民生银行和浦发银行这两只股票的尾部相关性进行实证分析，结果表明股票市场在低迷时期的尾部相关性高于活跃时期的尾部相关性。