具有限制条件的部分线性模型的经验似然推断（英文）

本文将经验似然方法应用到具有限制假设条件的部分线性模型中.为了检验假设条件,构造基于零假设和对立假设条件下的极大经验对数似然比估计值的差值统计量.而且在零假设下证明该统计量的极限分布为标准的χ~2分布.数值模拟表明所提出的检验统计量的优势.

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.

平衡增加的经验欧氏似然

经验(欧氏)似然方法是近年来非常流行的一种非参数统计方法.针对经验(欧氏)似然的凸包限制和计算复杂问题,本文借助:Emerson和Owen(2009)所提出的平衡增加思想对经验欧氏似然进行修正,得到了平衡增加的经验欧氏似然.随后论文从理论和模拟两个方面进行了研究.理论上给出了该方法与经验欧氏似然检验函数之间的联系,即在固定的样本量n下随着添加点位置的连续变化,检验方法可以从简单的均值增加经验欧氏似然变化到经验欧氏似然检验;模拟结果显示,适当选取调整因子,平衡增加的经验欧氏似然相对于(调整)经验欧氏似然而言,在大多数情况下,其分布更接近于对应的极限分布.

双限制Tobit自回归GARCH模型和价格限制下股票日收益率模型估计(英文)

本文提出了一个在价格限制即涨跌停板制度存在的情况下,股票日收益率可能遵循的时间序列模型一双限制Tobit自回归GARCH模型,建立了此模型的最大似然估计法(MLE),用Monte Carlo实验研究了最大似然估计量性质.作为此模型应用,我们对一个上海股市的股票日收益率模型参数进行了估计。

功能作图的混合效应模型开发

【目的】以大肠杆菌菌株丰度和功能作图模型为研究基础,通过在功能作图模型中引入群体的固定效应和个体间亲缘关系造成的随机效应,探究混合效应对功能作图模型性能的影响。【方法】本研究在功能定位框架基础上,使用大肠杆菌动态培养的生长数据作为实际案例,将亚群和SNP基因型作为固定效应的来源,将固定效应因素融入定位模型,提出了Q矩阵模型的扩展;在保留使用方差–协方差模型对随机残差建模的前提下,使用Legendre模型对随机效应建模,开展了固定效应加一般性的随机效应的混合效应模型分析(模型1);利用限制性似然估计的方法推导其方差–协方差参数、随机效应和固定效应,开展了固定效应和亲缘关系造成随机效应的混合模型(模型2)分析;利用Zwald检验法推导各标记位点p值的计算方法。【结果】(1)2种模型中,95%的标记呈现出p值与期望值相吻合的特点,p值分布在QQ图中的上翘结果满意。(2)模型2相比模型1检测到了更多的SNP位点,表明模型2对亲缘关系造成的随机效应解释性更强。(3)计算机模拟结果显示:样本量较小、遗传力较低时,模型假阳性率为4.77%;当样本量为800,遗传力为1%时,模型对QTL的发现率可超过70%;或当样本量为400,遗传力超过1.5%时,QTL发现率也可超过70%。【结论】本研究提出的在功能作图模型中引入固定效应和亲缘关系造成的随机效应的混合模型的方法较好地完善了功能定位理论,对固定效应中的协变量因素具有较好的校正功能,可有效剖分随机效应与剩余残差;为后续完善功能定位,开发固定效应加亲缘关系(Q+K)模型的软件包奠定了良好基础。

基于ML和L2范数的视频目标跟踪算法

目标跟踪是计算机视觉领域的一个具有挑战性的问题,本文提出了一种基于ML(最大似然)估计和L2范数的视频目标跟踪算法.建立基于稀疏限制的ML模型,给样本中的异常像素分配较小的权值,减少异常像素对跟踪算法的影响.利用L2范数最小化进行稀疏编码求解.采用贝叶斯估计得出目标跟踪结果.与其他典型算法相比,本算法降低了计算的复杂度,对遮挡,旋转,尺度变化,光照变化等异常变化具有较强的鲁棒性.

数据非随机缺失机制的混合效应模式混合模型分析与应用

目的阐明混合效应模式混合模型原理,实现数据非随机缺失机制医学纵向资料的模型分析。方法采用限制极大似然法进行参数估计,拟合含非随机缺失数据高血压随访资料的混合效应模式混合模型,利用SAS9.2完成模型参数估计与检验等。结果在混合效应模式混合模型(组间模型和组内模型)中得到四种缺失模式下的参数估计值及可信区间后,根据各缺失模式概率,求得参数总估计值。结论混合效应模式混合模型是分析数据非随机缺失机制资料的最佳选择。

线性混合模型中方差分量的估计与QR分解

在线性混合模型中,极大似然估计是一种很重要的估计方法,但是它常常需要通过迭代求解.应用设计阵的QR分解,可以把设计阵变换成上三角矩阵.这样可以降低参与迭代运算的矩阵的阶数,还可以减少参与运算的数据量,从而提高运算的速度.本文讨论了QR分解在EM算法中的应用,并用模拟的方法验证了QR分解可以极大的提高运算的速度.本文同时讨论了QR分解在另外一种估计方法,即ANOVA估计中的应用.

3周龄蛋鸡体质量性连锁遗传效应分析

以白莱航鸡、绿壳蛋鸡为亲本,构建F2资源群体,进行蛋鸡早期体质量遗传评估。结果表明:Z染色体基因对蛋鸡早期体质量加性遗传方差有贡献;遗传模型固定效应包括品种、世代及近交系数;蛋鸡F2分离群体3周龄体质量遗传力为0.52±0.03,其中Z染色体遗传力为0.07±0.02。蛋鸡早期体质量遗传评估时应考虑性染色体连锁遗传效应的影响;3周龄蛋鸡体质量属于中等偏高遗传力性状,可通过个体选育获取遗传进展。

带宽受限QPSK相干光侦听接收机最佳性能分析

在带宽受限情况下建立了相干光侦听接收机模型并给出了带宽受限的等效滤波器模型.给出了带宽受限下的接收信号数学模型,利用星座图详细阐述并总结了其它符号对当前符号的干扰规律.重新定义了符号信噪比,推导了基于辅助判决式最大似然式相位估计的带宽受限的侦听接收机的误码率性能,并分析了接收机的最佳采样判决时刻和最佳带宽.仿真结果表明,不同带宽下定义的最大信噪比对应系统的最小误码率;不同滤波器类型对应的最佳采样判决时刻和最佳带宽是不同的,但都可以找到一个最佳点;随着信噪比的增加,带宽受限会降低辅助判决式最大似然式相位估计算法的性能.

应用ML和REML法监测基于Wood模型奶牛泌乳曲线形状的研究

利用最大似然法(ML)估计了内蒙古三河牛泌乳曲线基于不完全伽马函数(Wood)的不同统计模型,对各模型的差异用似然比(LR)进行检验。结果表明,模型Ⅲ显著优于模型Ⅱ和模型Ⅰ(P<0.01)。采用限制性最大似然法(REML)对模型Ⅲ估计得出,泌乳初期奶量在不同胎次(pari)、产犊年度(year)、产犊季节(seas)、场(herd)下具有显著差异(P<0.05);测定日产奶量的变化率随测定日(t)、测定日自然对数(t′)的推移,以及胎次与测定日(t)及其自然对数(t′)交互作用的不同差异极显著(P<0.01),泌乳初期奶量与t′和t的斜率系数之间存在显著的正或负相关(P<0.01)。

NHPP软件可靠性模型参数的保序估计

许多主要的非齐次泊过程松模型的故障强度都满足顺序约束条件.在顺序约束条件下,本文提出了故障强度的约束极大似然估计(RML),并讨论了其性质.利用故障强度的RML,获得了软件可靠性模型参数的加权最小二乘估计.

变系数混合模型的光滑样条推断(英文)

为了拟合纵向数据和其他相关数据, 本文提出了变系数混合效应模型(VCMM). 该模型运用变系数线性部分来表示协变量对响应变量的影响, 而用随机效应来描述纵向数据组内的相关性, 因此, 该模型允许协变量和响应变量之间存在十分灵活的泛函关系. 文中运用光滑样条来估计均值部分的系数函数, 而用限制最大似然的方法同时估计出光滑参数和方差成分, 我们还得到了所提估计的计算方法. 大量的模拟研究表明对于具有各种协方差结构的变系数混合效应模型, 运用本文所提出的方法都能够十分有效地估计出模型中的系数函数和方差成分.

部分线性模型的光滑样条推断

运用光滑样条估计部分线性模型中的非参数函数,利用限制最大似然或广义交叉验证(GCV)的方法选择光滑参数,主要考察了部分线性模型的光滑样条估计以及有关非参数函数部分的假设检验.基于光滑参数的选择方法,提出了部分线性模型中的非参数函数是否为多项式函数的假设检验方法,并通过模拟例子研究本文提出的推断效果.

蛋鸡5周龄体质量遗传参数及估计方法比较

为调查蛋鸡资源群体早期体质量选育潜力,比较了限制最大似然法、马尔科夫链蒙特卡洛方法和积分嵌套拉普拉斯逼近方法的效率和结果准确性,应用动物模型估计遗传参数。试验鸡来自东乡绿壳蛋鸡与白来航鸡F2资源群体,包括3个世代总计5405只鸡,采用限制最大似然法和贝叶斯法剖分5周龄蛋鸡体质量表型方差。结果表明:蛋鸡F2资源群体5周龄体质量遗传力为0.49~0.59,具体因算法而定;马尔科夫链蒙特卡洛方法计算用时较长、准确性稍差;积分嵌套拉普拉斯逼近方法能够准确给出方差组分的标准误,而不是近似的或依据正态分布推测的;限制最大似然法计算用时短,结果准确,目前为最佳选择。由于蛋鸡资源群体5周龄蛋鸡体质量选育潜力大,将来可以通过个体选育获取遗传进展。

REML法和Bayesian法对小样本不平衡单因素随机效应模型方差成分估计的模拟比较分析

目的比较限制性极大似然估计(REML)法和贝叶斯法(Bayesian)对小样本不平衡单因素随机效应模型方差成分估计的偏差和精密度,同时考虑在样本量的大小、单位的数量和单位内相关系数(ICC)的大小不同的情况下对方差成分估计的精确程度的影响。方法通过计算机模拟7组不同设计的数据集,用SAS软件MIXED模块进行方差成分估计。结果不同的设计中,REML法估计比Bayesian法估计更加接近真值,但Bayesian法对组间方差的区间估计更加精密。对于两种方法而言,样本和单位数量的增加,估计结果更加准确。组内方差的估计,比组间方差的估计更准确和精密。结论对小样本不平衡结构数据,当ICC为小或中等时,REML估计比Bayesian估计的偏差和均方误差要小,推荐使用。但是Bayesian法的区间估计比REML法的区间估计更加精密。

基于广义多项式混合效应模型非寿险信度费率厘定

广义线性混合效应模型在非寿险精算中有着广泛的应用。然而,广义线性混合效应模型假设模型的系统成分随时间变化是线性的。但在精算实践中,系统成分随时间的变化并非线性,而是不同时间系统成分的变化率可能不同。当变化为非线性时,通常将时间变量的多项式函数加入广义线性混合效应模型的系统成分中,从而得到广义多项式混合效应模型。文章将广义多项式混合效应模型用于信度费率厘定中,并用美国马塞诸州城镇车身损失责任保险的损失额数据进行实证分析,研究表明,当系统成分随时间非线性变化时,用广义多项式混合效应模型比用广义线性混合效应模型预测效果好。