本文關(guān)鍵詞：右刪失數(shù)據(jù)下混合線性回歸模型的穩(wěn)健EM算法

  更多相關(guān)文章： 混合線性模型 右刪失 M-估計 EM算法 穩(wěn)健性 離群值 重尾分布

【摘要】：混合模型在作物育種、圖像處理、語音識別、生物聚合物中的基序發(fā)現(xiàn)、人臉識別等多個領(lǐng)域有廣泛應(yīng)用,所以在近年來受到研究者的廣泛關(guān)注.極大似然估計(MLE)和最小二乘估計(LSE)作為最基本的參數(shù)估計方法自然成為估計混合模型的首要選擇,但其實在用極大似然估計混合模型的過程中會遇到一些計算難題.自從1977年,Dempster等人用EM算法對極大似然估計進行計算,使得計算困難迎刃而解,混合模型的研究便進入了一個嶄新的發(fā)展階段,但隨著理論在現(xiàn)實中的運用,新的難題出現(xiàn)了.現(xiàn)實中的數(shù)據(jù)并不是那么規(guī)范標(biāo)準(zhǔn)的,當(dāng)觀測數(shù)據(jù)存在離群值或是混合模型的誤差項服從一些重尾分布時,估計值受離群值和重尾的影響較大,以上兩種方法便不那么有效了.于是人們開始尋找一些比較穩(wěn)健的估計方法來估計混合模型的參數(shù).Neykov, Bai,Song等人均在解決這一難題上作出很多努力和貢獻,分別提出了不同的穩(wěn)健回歸方法.在此基礎(chǔ)上,本文進一步將Bai等人的混合線性模型的穩(wěn)健回歸推廣到了右刪失的情況下.本文的工作主要有以下幾個方面：首先,在無數(shù)據(jù)刪失的情況下,分別介紹了混合線性模型參數(shù)估計的普通EM方法和Bai等人結(jié)合廣義極大似然估計(M-估計)及EM算法提出的穩(wěn)健的參數(shù)估計方法；接下來是本文的創(chuàng)新部分,文中將這兩種參數(shù)估計方法全都推廣到了因變量出現(xiàn)刪失的情況,一方面采用EM算法對右刪失數(shù)據(jù)下混合線性模型進行了參數(shù)估計：另一方面,綜合運用穩(wěn)健的M-估計和EM算法思想,給出了右刪失情況下混合線性模型的穩(wěn)健EM型回歸方法；最后通過數(shù)值模擬驗證了本文提出的這兩種回歸方法對右刪失數(shù)據(jù)下混合線性模型的有效性,同時通過比較分析,說明了當(dāng)存在離群值和重尾分布時本文所提出的穩(wěn)健EM型方法比MLE和EM算法有更好的穩(wěn)健性.
【關(guān)鍵詞】：混合線性模型 右刪失 M-估計 EM算法 穩(wěn)健性 離群值 重尾分布
【學(xué)位授予單位】：南京師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：C81
【目錄】：

• 摘要5-6
• Abstract6-8
• 第1章 緒論8-20
• 1.1 混合模型8-12
• 1.2 EM算法12-14
• 1.3 M-估計14-17
• 1.3.1 位置模型14-16
• 1.3.2 尺度模型16-17
• 1.4 刪失數(shù)據(jù)17-18
• 1.5 本文內(nèi)容安排18-20
• 第2章 混合線性回歸模型20-27
• 2.1 混合線性回歸模型的參數(shù)估計21-23
• 2.2 混合線性回歸模型的穩(wěn)健估計23-27
• 第3章 刪失情況下的混合線性回歸模型27-38
• 3.1 右刪失情況下混合線性回歸模型的參數(shù)估計27-31
• 3.2 右刪失情況下混合線性回歸模型的穩(wěn)健估計31-38
• 第4章 模擬實驗38-46
• 第5章 總結(jié)與展望46-47
• 參考文獻47-51
• 致謝51

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 鞠瑞年;楊芳;孔翠翠;;基于隨機刪失數(shù)據(jù)下一種新模型對軟件總體可靠度的估計[J];南陽師范學(xué)院學(xué)報;2008年03期

2 柯蓉;;國內(nèi)刪失數(shù)據(jù)統(tǒng)計研究狀況綜述[J];統(tǒng)計與信息論壇;2008年10期

3 焦青霞;;確定刪失數(shù)據(jù)下比例優(yōu)比模型中參數(shù)的估計[J];南陽師范學(xué)院學(xué)報;2007年12期

4 陳琴;;中間刪失線性回歸模型中的參數(shù)估計[J];周口師范學(xué)院學(xué)報;2009年05期

5 李榮;孫發(fā)軍;;基于刪失試驗的貝葉斯共享異質(zhì)分段指數(shù)危險模型[J];懷化學(xué)院學(xué)報;2008年11期

6 官飛;王峰;賈寶瑞;;兩種刪失數(shù)據(jù)情形下基于EM算法的指數(shù)分布的參數(shù)估計[J];巢湖學(xué)院學(xué)報;2010年03期

7 費紹金;宗序平;卞金萍;;帶右刪失數(shù)據(jù)的非線性隨機效應(yīng)模型參數(shù)估計[J];洛陽師范學(xué)院學(xué)報;2008年05期

8 王娟;陸志峰;;一般Ⅱ型逐步刪失下對數(shù)正態(tài)模型的近似極大似然估計[J];南通大學(xué)學(xué)報(自然科學(xué)版);2008年01期

9 單國棟;;基于刪失數(shù)據(jù)的廣義Pareto分布的Bayes分析[J];長春大學(xué)學(xué)報;2008年08期

10 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 劉強;劉黎明;;帶有刪失數(shù)據(jù)的線性EV模型的統(tǒng)計推斷[A];北京市第十六次統(tǒng)計科學(xué)研討會獲獎?wù)撐募痆C];2011年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 王培潔;關(guān)于區(qū)間刪失數(shù)據(jù)和雙重刪失數(shù)據(jù)的回歸分析[D];吉林大學(xué);2015年

2 李夏炎;刪失指示量隨機缺失情況下回歸模型統(tǒng)計推斷[D];中國科學(xué)技術(shù)大學(xué);2011年

3 張頌;一類刪失數(shù)據(jù)的統(tǒng)計推斷[D];吉林大學(xué);2012年

4 程從華;生存分析中刪失數(shù)據(jù)統(tǒng)計推斷及其應(yīng)用[D];蘭州大學(xué);2011年

5 趙國慶;刪失數(shù)據(jù)下的經(jīng)驗熵和經(jīng)驗似然[D];北京大學(xué);2013年

6 錢俊;生存分析中刪失數(shù)據(jù)比例對Cox回歸模型影響的研究[D];南方醫(yī)科大學(xué);2009年

7 陳雪蓉;復(fù)雜數(shù)據(jù)下分位數(shù)回歸建模及其應(yīng)用[D];云南大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 章婷婷;刪失數(shù)據(jù)下加速失效模型研究[D];江西師范大學(xué);2015年

2 宋明明;具有信息觀測時間現(xiàn)狀數(shù)據(jù)的統(tǒng)計分析[D];吉林大學(xué);2016年

3 張青云;基于刪失數(shù)據(jù)對一些參數(shù)的估計問題[D];蘭州大學(xué);2016年

4 麻海煜;加速失效時間模型下相依區(qū)間刪失數(shù)據(jù)的回歸分析[D];吉林大學(xué);2016年

5 鄭茜;刪失醫(yī)療費用的分位數(shù)回歸分析[D];長春工業(yè)大學(xué);2016年

6 梁潔;含有Ⅱ型區(qū)間刪失數(shù)據(jù)的回歸模型參數(shù)估計[D];山西醫(yī)科大學(xué);2016年

7 欒晨;基于部分區(qū)間刪失數(shù)據(jù)的生存函數(shù)的估計[D];華中師范大學(xué);2016年

8 劉陽;基于隨機缺失/刪失平穩(wěn)遍歷函數(shù)型數(shù)據(jù)條件特征量的非參數(shù)估計[D];合肥工業(yè)大學(xué);2016年

9 吳波;左截斷刪失條件下遍歷函數(shù)型數(shù)據(jù)的非參數(shù)回歸估計[D];合肥工業(yè)大學(xué);2016年

10 邢雅琴;右刪失數(shù)據(jù)下混合線性回歸模型的穩(wěn)健EM算法[D];南京師范大學(xué);2016年

，

本文編號：1012561