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。     

EM算法下人民币汇率收益率的分布特性

文章以汇改以来的日收益率数据为样本资料,提出混合高斯分布为其分布类型假设,并采用EM迭代算法对其参数进行估计。结果显示,相比于单一概率分布模型,采用3个高斯分布的混合模型几乎能准确拟合汇率收益率的分布规律,同时能通过EM算法求解该混合分布的参数估计。     

混合指数几何分布

本文讨论元件的寿命分布服从双参数混合指数分布,元件个数服从几何分布的情形下,定义了混合指数几何分布,并研究了该分布的各种性质,讨论了参数的极大似然估计,并使用EM算法得到参数的近似估计. 最后,本文给出了参数的渐近方差、协方差、置信区间.     

稳健学生t回归模型的非迭代贝叶斯抽样算法

与正态回归相比,学生t回归模型是一种对异常值较稳健的回归模型,通常用Gibbs抽样算法估计参数.而Gibbs抽样是一种迭代算法,所得样本不是独立样本,统计推断之前需判断其收敛性.文章探讨了一种基于逆贝叶斯公式的非迭代抽样算法,该算法利用t分布的正态混合表示,结合EM算法和重要再抽样算法,得到参数的独立同分布的后验样本,该样本可直接用于统计推断,从而避免了Gibbs抽样中的问题.     

Monte Carlo EM梯度法在MATLAB中的实现

文章使用空间广义线性混合模型为连续空间非正态变量建模,在MATLAB中实现模型参数估计的MCEMG算法,即结合Monte Carlo样本的EM梯度法,求解参数的极大似然估计及采样点随机效应的最小均方误估计。在GS+中进行随机效应的普通克里格插值,并最终对非采样点响应变量进行预测。模拟仿真结果显示该方法参数估计与真实值较接近,响应变量预测结果能反应真实数据总体分布情况。     

指数-威布尔分布参数贝叶斯估计的混合Gibbs算法

文章利用混合Gibbs算法分别在分组数据和定数截尾场合给出了指数-威布尔分布参数的贝叶斯估计,并进行了Monte-Carlo模拟.结果表明:在两种不完全数据场合,用混合Gibbs算法求指数-威布尔分布参数的贝叶斯估计,结果令人满意,该算法可行、稳定且精度高.     

基于连续混合正态分布的期货定价偏差研究

挖掘期货理论价格和实际价格之间的关系有助于提高期货市场定价效率、发挥期货价格发现功能。基于持有成本定价模型计算期货定价偏差,利用连续混合正态分布模型对定价偏差的分布进行拟合,先采用基于牛顿迭代的极大似然估计法对未知参数进行估计,再进一步利用模拟退火算法对牛顿迭代的结果进行优化。结果发现,模拟退火算法可以有效提高估计精度,连续混合正态分布模型能够更好地拟合期货定价偏差分布。     

变环境情形下对数正态分布分组数据的参数估计

文章研究了变环境情形下对数正态分布分组数据可靠性估计的参数估计问题.给出了一种基于EM算法的变环境分组数据Log-normal分布参数估计方法,其估计量具有良好的收敛性,模拟结果表明了这种方法的实践可操作性.     

基于定时截尾Weibull分布EM算法的寿命检验

在可靠性统计的定时截尾寿命试验中,最后一个失效时间与定时截尾时刻之间的信息常被忽略,文章利用EM算法来处理这一问题,给出无失效数据下EM算法的Weibull分布的分布参数估计值,实际数据计算结果表明,在产品平均寿命的估计中取得了较高的可靠度。     

正态方差混合分布新息GARCH模型的EM估计

近来,人们对实际数据使用厚尾分布进行建模颇感兴趣。一种流行的考虑就是所谓的广义自回归条件异方差(GARCH)模型。不幸的是,在一些应用中正态新息的GARCH模型的尾部不够厚。文章提出新息为正态方差混合分布的GARCH模型并给出了使用EM算法对模型参数作估计的步骤。结果表明,新息为正态方差混合新息分布的GARCH模型比正态新息的GARCH模型有更厚的尾部,因而更能捕捉实际数据中的厚尾特征。文章还以上证指数为例阐述了这一结论。