基于对数正态分布下联合均值与散度广义线性模型的极大似然估计

基于对数正态分布研究提出了联合均值与散度广义线性模型,给出了此模型参数的极大似然估计,模拟和实例显示该模型和方法是有用和有效的.

Tweedie类分布下广义线性联合均值与散度混合专家回归模型

Tweedie类分布在财产保险中常常用来对索赔额进行量化,而混合专家回归模型在统计和机器学习方面被广泛地研究,并用来对异质总体数据进行分类、聚类及回归分析.本文基于Tweedie类分布提出广义线性联合均值与散度混合专家回归模型,从而为非寿险费率厘定精算技术的发展提供参考思路.接着,利用EM算法给出该模型的极大似然估计,进而通过随机模拟实验验证了所提出方法的有效性.最后,本文结合空气质量指标(AQI)数据验证了该模型和方法具有实用性和可行性.

混合对数正态分布广义线性联合均值与散度模型的参数估计

由于对数变换的优良性质,所以对数正态分布应用十分广泛.该文研究提出混合对数正态分布下广义线性联合均值与散度模型,利用EM算法和Fisher-Scoring方法研究了模型参数的极大似然估计.最后,通过随机模拟和实例研究结果表明,提出的模型和方法是有用和有效的.

混合Tweedie广义线性联合均值与散度模型的参数估计

Tweedie类分布在保险类索赔额方面应用很多;混合回归模型广泛运用于异质总体数据的分类,聚类及回归分析中。研究基于Tweedie类分布下,针对混合异方差数据提出了混合Tweedie类分布下联合均值与散度模型,利用EM算法研究了模型参数的扩展拟似然、伪似然估计。通过随机模拟,实例研究结果表明,提出的模型和方法是有用和有效的。

非线性再生散度模型的广义变离差检验

研究了非线性再生散度模型的广义变离差检验,对于一类常见的正则散度分布族,解决了离差参数的齐性检验问题,得到了检验的似然比统计量和score统计量,并证明了score统计量的渐近χ2性.本文研究的非线性再生散度模型包括了许多常见的统计模型,诸如正态线性和非线性回归模型、广义线性模型和广义非线性模型等;同时,本文结果也适用于某些更复杂的分布,诸如基于极值分布、单纯形分布的非线性模型等.因此本文的结果进一步推广和发展了文献中已有的工作.

广义线性模型散度参数的相等性检验

广义线性模型的应用已越来越广,但在实际应用中经常碰到这样问题:何时应该拟合均值和离差的联合模型? 何时只需拟合单一的均值模型? 对此,可用散度参数的相等性检验来作为判断的依据。在该文中,作者给出了几个有关散度参数相等性检验的统计量以及相应的分布。最后还给出了一个检验的具体例子。

对数线性模型下基于Φ-散度测度的均值滑动检验

研究了对数线性模型的均值滑动检验.基于Φ-散度和最小Φ-散度估计提出了3类检验统计量,它们是似然比检验统计量和Pearson检验统计量的推广.研究了这3类统计量的渐近分布,并用此理论结果分析了一组实际数据.最后通过模拟研究表明,在小样本量下,这3类统计量中有比似然比检验统计量和Pearson检验统计量表现更好的统计量.

混合逆高斯数据下联合均值与散度模型的参数估计

逆高斯分布是分析非对称右偏数据的重要统计工具,该文研究提出混合逆高斯分布下广义线性联合均值与散度模型,利用EM算法和Fisher-Scoring方法研究了模型参数极大似然估计.最后,通过随机模拟和实例研究结果表明,提出的模型和方法是有用和有效的.

半参数非线性再生散度模型的渐近推断

对半参数非线性再生散度模型,先引入最佳偏差曲线,再求非参数部分的局部线性估计,然后得到参数的广义边侧极大似然估计.同时,基于正则条件,证明了所得估计的存在性,强相合性和渐近正态性,推广了已有文献的工作.

基于加权TV/SAR联合先验与最小线性KL散度的图像重构算法

为了消除当前图像重构算法存在的振铃效应,避免过度平滑图像纹理区域,使其兼顾较好的细小边缘保持与丰富纹理,以获取较高的重构图像视觉质量,提出了基于加权TV(total variation)/SAR(simutanneous auto-regression)联合先验与最小线性KL散度凸组合的图像重构算法。引入权重因子,从退化图像中提取出非局部SSIM约束,联合TV函数,设计加权TV图像正则先验,增强稀疏性;根据SAR先验与加权TV正则先验,获取重构图像的联合后验分布;再建立最小线性KL散度函数凸组合,并引入最优最小化技术,求解后验分布,完成贝叶斯推理。并研究了本文算法在不同退化程度下的用户响应。测试结果显示:与当前图像重构技术相比,本文算法的复原效果较为理想;在图像受损严重时,本文算法更受用户欢迎。

半参数非线性再生散度混合效应模型的参数估计和影响分析

本文把随机效应看作缺失数据并利用P-样条拟合非参数部分,应用MCNR算法得到了半参数非线性再生散度混合效应模型的未知参数的估计,同时利用Q函数得到了模型的广义Cook距离。此外,本文还研究了三种不同扰动情形的局部影响分析,得到了相应的影响矩阵。最后,通过模拟和实例验证了本文所提出的估计方法的有效性。

误差项为RDM的广义线性模型的诊断

该文将Cook和Weisberg提出的线性模型残差分析和影响分析方法用于误差项为RDM的广义线性模型 ,证明了均值漂移模型与数据删除模型的等价性 。

双重广义线性模型在车损险费率厘定中的应用

双重广义线模型是对广义线性模型的扩展,其对反应变量的均值与散度参数同时建立模型,提高了模型运用的灵活性与适应性。将双重广义线性模型应用到车损险费率厘定中,既考虑了费率期望值与费率因子之间的关系,又考虑了变量的分散程度与费率因子之间的关系,并以欧洲一家保险公司的汽车保险损失数据为样本进行实证研究,把无索赔优待等级、地区、车型与年均行驶里程数作为费率因子,建立了费率厘定模型。结果表明,所得到费率结构合理,符合实际。

基于双重广义线性模型的车险费率厘定及其与广义线性模型的比较

在车险费率厘定中,广义线性模型的应用最为广泛,然而其假设散度参数为常值,这限制了模型在车险定价中的进一步推广。双重广义线性模型能够对反应变量的均值与散度参数同时建立广义线性模型,提高了模型运用的灵活性与适应性。本文将双重广义线性模型应用到车险费率厘定中,直接对纯保费建立模型,以一组实际的汽车保险损失数据为样本进行实证研究,并与常用分布假设下的广义线性模型进行了对比分析。结果表明,双重广义线性模型得到的费率结构更为合理,符合实际。

带有组结构的稀疏模型的参数估计和变量选择方法

本文针对带有组结构的广义线性稀疏模型,引入布雷格曼散度作为一般性的损失函数,进行参数估计和变量选择,使得该方法不局限于特定模型或特定的损失函数.本文比较研究了Ridge,SACD,Lasso,自适应Lasso,组Lasso,分层Lasso,自适应分层Lasso和稀疏组Lasso共8种惩罚函数的特点和引入模型后参数估计和变量选择的方法,并给出了分层Lasso的坐标轴下降算法和稀疏组Lasso的加速全梯度更新算法.模拟研究验证了组Lasso,分层Lasso,自适应分层Lasso和稀疏组Lasso能更好的利用数据的组结构信息,自适应分层Lasso和稀疏组Lasso在变量选择准确性,参数估计精度方面优于其它方法,稀疏组Lasso在模型预测精度上达到最优.作为实证研究,本文将带有稀疏组Lasso惩罚的逻辑斯蒂模型应用于骨关节炎患者的外周血单核细胞基因表达水平的分析,选出了9个基因集中共136个基因与骨关节炎有关,以期对后续生物医学研究有一定指导价值.