矩阵正态分布参数的完全极大似然估计

得到了矩阵正态分布的均值和方差的完全极大似然估计,它们都是无偏估计,并且证明了它们是相互独立的。     

多元退化正态分布参数的极大似然估计

设ｍ维随机向量ｙ服从多元退化正态分布，即ｙ～Ｎｍ（μ，Ｖ），其中Ｖ≥０且｜Ｖ｜＝０．我们讨论参数μ，Ｖ的极大似然估计．     

分步极大似然估计

定义了完全极大似然估计(TMLE)和分步极大似然估计，并得到了正态分布的有关的参数估计．     

关于对数正态分布参数极大似然估计的讨论

利用图解法研究了由EM算法得出的有数据删失情况下对数正态分布参数的极大似然估计,得到了在Matlab中利用迭代算法计算参数估计值的方法.     

对数正态分布参数的近似极大似然估计

给出了在定数截尾数据缺失场合下两参数对数和正态分布参数的近似极大似然估计。     

完全极大似然估计与分步极大似然估计

得到了完全极大似然估计的一个重要性质和线形模型、指数分布、均匀分布的完全极大似然估计和分步极大似然估计，并与矩估计和极大似然估计进行比较，结果表明了完全极大似然估计和分步极大似然估计的优良性。     

方向极大似然估计

本文从方向导数的角度分析了极大似然估计法,提出了方向极大似然估计的概念,并在正态分布下,指出μ与σ服从等轴双曲线型关系.     

方向极大似然估计

在本文中将极大似然估计的定义进行了推广，提出了方向极大似然估计的新概念，并在正态分布、对数正态分布下证明了两参数μ，σ的等腰双曲线型关系。     

正态分布的均值和方差在伞序约束下的最大似然估计

讨论了k个独立正态总体的均值和方差同时在伞序约束下最大似然估计的求解问题,并给出了一个求解方法和一个例子。     

左椭球分布的极大似然估计

证明了左椭球分布的极大似然估计性质.若随机矩阵Yn×p的分布是参数为μ,Σ的左椭球分布,且Y1,Y2,…,Ym,i.i.d,则μ,Σ的极大似然估计为Y,S2的充分必要条件是Yi~Nn×p(μ,Σ).     

极大似然估计的几种求法

极大似然估计是参数估计的一种常用方法.本文探讨了极大似然估计的三种求法,并举例说明了这些方法在解决实际问题中的应用.     

序约束下AR(2)模型参数的拟似然估计

在约束条件下利用拟似然估计方法对AR(2)模型的参数进行统计推断,研究了拟似然估计(α)和约束拟似然估计(α)*的相合性及渐近正态性,并给出了AR(2)模型参数序关系的假设检验方法及模拟结果.     

线性模型回归参数极大似然估计的约束EM算法

提出了非线性不等式约束下线性模型回归系数渐进极大似然估计的EM算法,利用极大似然估计的渐近正态性质,将EM算法的M-步转化为随机优化问题,给出了该随机优化问题的极限问题,即利用更易求解的极限问题的最优解来代替原优化问题的最优解,并证明了原优化问题的最优解是依概率收敛于极限问题的最优解.     

完全极大似然估计

证明了关于完全极大似然估计的一个重要定理,说明当参数的2个不同的变换的某些分量完全相同时,它们的完全极大似然估计是相同的,另外,给定了正态分布和负指数分布的参数以一定的先验分布,在此基础上计算它们的完全极大似然估计,得到了与贝叶斯参数估计形式非常相似的结果。     

多元逻辑模型的极大似然估计

在经济计量研究中，逻辑模型是一种应用非常广泛的非线性概率模型，几今关于一元情形参数估计的讨论文献很多，对多元情形仅证明似然估计的存在性，而没有给出求参数的具体算法，然而多元模型也有其十分广阔的实际应用，本文将给出了多元情形下逻辑模型的极大似然估计及一种具体计算方法。     

极大似然估计充分条件的探讨

极大似然估计为统计模型中参数的点估计之一，在存在性已有证明的基础上，运用分析知识，从指数型分布族的自然形式出发，对极大似然估计的唯一性给出了初等证明     

基于Haar小波和极大似然估计的Hurst参数估计法

Hurst参数是表征网络业务自相似性的一个重要参数,在一定的观察时间内对突发业务的Hurst参数进行快速、准确的估计是高速宽带网络实施流量控制和缓冲资源分配的前提.本文提出一种基于Haar小波和极大似然估计的Hurst参数估计法.该方法首先使用Haar小波对DFBM序列的增量DFGN序列进行小波变换,然后再利用极大似然估计来估计Hurst系数.仿真生成的DFBM和真实自相似网络业务数据的计算结果均表明,该方法提高了Hurst参数估计的效率和准确性,比传统方法具有更好的性能.