导读:本文包含了经验似然方法论文开题报告文献综述及选题提纲参考文献，主要关键词:纵向数据,稳健性,有效性,经验似然
经验似然方法论文文献综述
徐孝琳,樊亚莉,苏依官[1]（2019）在《纵向数据下广义经验似然方法的有效稳健估计》一文中研究指出基于广义经验似然估计方法,提出了一种有效且稳健的估计,实现对纵向数据在线性模型下均值和协方差矩阵的联合估计。利用Cholysky分解将模型重参数化,利用拉格朗日乘子法求出估计值,再还原出均值和协方差矩阵的估计。在模拟研究中将所提方法同文献中其他稳健估计进行比较,结果显示所提方法效率更高。最后将所提方法用于分析CD4细胞数据,交叉验证结果显示所提方法更加可靠。(本文来源于《上海理工大学学报》期刊2019年04期）
韦阳,李周平,杨帆[2]（2019）在《增维非光滑估计方程的刀切经验似然方法》一文中研究指出本文考虑具有非光滑U-统计量结构的估计方程中增维参数的估计问题,这一情形下,本文利用刀切经验似然方法对参数进行统计推断,并在一定正则条件下,证明所构造刀切似然统计量的渐近性质.最后,通过Monte Carlo数值模拟和实际数据分析,说明本文所提方法的优势.(本文来源于《中国科学:数学》期刊2019年08期）
苏依官,樊亚莉,徐孝琳[3]（2019）在《稳健经验似然估计方法》一文中研究指出在经验似然方法的基础上提出了一种稳健的经验似然估计方法,在约束条件的估计方程中使用权重函数以及有界得分来限制异常点的影响。通过数值模拟研究该方法的稳健性。模拟结果表明,相比普通的经验似然估计,提出的稳健经验似然方法在数据中存在异常值的情况下所得估计的均方误差更小。同时对于非正态的厚尾分布数据,提出的稳健经验似然估计也在均方误差意义下更优。(本文来源于《上海理工大学学报》期刊2019年03期）
张俊英,张日权,王航,陆智萍[4]（2019）在《超高维数据边际经验似然独立筛选方法（英文）》一文中研究指出可加模型通过协变量函数对响应变量起作用,是更加灵活的非参统计模型.当协变量个数大于样本数且以指数阶增大时,将维数降到经典方法可解决的范围是统计学家急需解决的问题.本文研究了超高维数据可加模型的变量筛选问题,提出了边际经验似然变量筛选方法.该方法通过排列在0点的边际经验似然率选择变量.我们证明了选择变量集以概率1渐进包含真实变量集;提出了迭代边际经验似然变量筛选方法.数据模拟和实数据分析验证了所提方法的可行性.(本文来源于《应用概率统计》期刊2019年02期）
彭毳鑫[5]（2018）在《基于经验似然方法的异方差时间序列模型的估计与检验》一文中研究指出本文主要利用经验似然方法讨论了条件异方差时间序列模型的统计推断问题.首先,利用Owen(1988)提出的经验似然方法讨论了辅助信息存在时泊松自回归模型参数的估计问题.我们在经验似然方法基础上,利用辅助信息给出加权最小二乘估计的权,从而获得模型参数的加权最小二乘估计.我们也证明了该估计量的极限分布为正态分布.其次,讨论了p阶泊松自回归模型的条件异方差检验问题.我们利用两种似然方法一一最大似然比方法和经验似然比方法分别建立似然比检验统计量,同时讨论了这两种检验统计量的极限性质.最后,利用经验似然方法讨论了一阶门限自回归条件异方差时间序列模型的参数估计问题.我们建立了模型参数的经验似然比统计量,研究了统计量的极限性质,证明其极限分布为卡方分布.我们也通过随机模拟说明了该方法的优劣.(本文来源于《吉林大学》期刊2018-12-01）
程从华[6]（2018）在《基于经验似然方法的向量复合泊松过程研究（英文）》一文中研究指出在本文中,在随机过程的一阶矩和二阶矩都存在的条件下,当随机过程时间趋于无穷大时,我们将证明关于向量复合泊松过程期望的对数似然比统计量依分布收敛到F分布.最后,通过数值模拟实验表明我们的方法是可行的.(本文来源于《应用数学》期刊2018年02期）
梁薇,何书元[7]（2018）在《平均经验似然方法》一文中研究指出经验似然方法自提出以来,得到了广泛的应用.但是,经验似然方法也存在一些问题,特别是在样本量较小时覆盖率较低.针对这个问题,以往文献中有许多讨论.本文用全新的数据处理方法来解决这个问题,这个方法称为平均经验似然方法.它的基本想法就是将原始数据两两平均,然后用新的数据集来构造经验似然比统计量.本文证明新构造的平均经验似然比统计量仍然满足Wilks性质,而且容易推广.随机模拟表明,新方法计算简单快速,与以往方法相比较,新方法所构造的置信区间覆盖率大大提高.(本文来源于《数学进展》期刊2018年02期）
郭蕃[8]（2017）在《基于一种分块经验似然方法的ARMA模型的参数推断》一文中研究指出Owen在1988年提出了经验似然方法,这是一种非参数或半参数的统计推断方法,具有非参数方法的可靠性、灵活性和似然方法的有效性等良好的统计性质.经验似然统计推断方法多用于独立同分布数据的参数推断,而对于不独立的数据,例如时间序列这种存在相依性关系的数据,则不能直接使用经验似然推断.对于存在相依关系的时间序列数据的经验似然推断,在时域中一般采用分块的方式消除相依关系,再使用经验似然方法进行推断,而分块的块长对估计的效果有很大的影响,但至今,关于最优的分块块长的选择还存在很多问题.本文主要研究了一种不需要选择块长的分块经验似然推断方法——"PBEL",并使用该方法研究了ARMA模型的经验似然参数推断问题,并与极大似然估计作了比较.(本文来源于《江苏第二师范学院学报》期刊2017年12期）
杨帆[9]（2017）在《生物标记物线性组合的刀切经验似然方法》一文中研究指出在临床试验中,找到生物标记物之间合适的线性组合是提高诊断准确性的常用技术手段.本文基于ROC曲线下的面积(AUC),采用刀切经验似然方法以寻求生物标记物之间的最优线性组合,并对组合参数进行相应的统计推断.理论上,本文证明了所提刀切经验似然比统计量收敛至卡方分布.同时,本文还进行了大量的数值模拟实验与实例分析以展示所提方法的优越性.(本文来源于《兰州大学》期刊2017-04-01）
胡书文[10]（2017）在《稳健的经验似然推断方法在纵向数据中的应用》一文中研究指出本文主要研究了纵向数据中关于稳健推断的相关问题,涉及有效且稳健的广义估计方程(ERGEE)方法和有效且稳健的经验似然推断(EREL)方法。首先,在第一章绪论中,介绍了一下和本文相关的基本概念。纵向数据普遍应用在医学、社会经济学和生物学等学科中,目前已经引起了很多研究者的关注。其主要特点是各个个体或单位之间是独立的,但是每个个体或单位之间重复测量的数据是相关的,而且由于这个特点,导致如果一个个体测量中有异常值,那么样本中将会有一系列的异常值,这也使得研究纵向数据的稳健性很有必要。随后介绍了在纵向数据中被广泛使用的广义估计方程(GEE)方法以及经验似然推断(EL)方法的起源。最重要的是把经验似然推断方法和广义估计方程方法结合,这是本文要讨论的核心方法。其次,在第二章中,基于纵向数据的广义估计方程(GEE)方法,提出了相应的稳健广义估计方程(RGEE)方法和有效且稳健的广义估计方程(ERGEE)方法。其中RGEE方法主要采用的减小异常值影响的方法是采用权函数和把Huber函数作用到皮尔逊残差上,而ERGEE方法则主要是引进了一个新的有界的指数得分函数,也有效的降低了异常值的影响。而且还给出了ERGEE方法所估计出来的参数的渐近正态性和详细算法。然后,在第叁章中,首先详细介绍了均值的经验似然推断方法,随后根据经验似然推断方法和广义估计方程的结合,类似的提出了在纵向数据中稳健的经验似然推断(REL)方法和有效且稳健的经验似然推断(EREL)方法。同样给出了EREL方法所估计出来的参数的大样本性质以及详细算法。最后的第四章是模拟研究,包括数值模拟和一个关于癫痫病案例的实际研究。数值模拟考虑了一个连续型的例子边缘纵向线性模型和一个离散型的例子边缘纵向泊松模型。模拟研究均表明稳健的方法对减小异常值的影响有作用。第五章是定理证明,证明了ERGEE方法和EREL方法所估计出来的参数具有的大样本性质。(本文来源于《重庆大学》期刊2017-04-01）
经验似然方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文考虑具有非光滑U-统计量结构的估计方程中增维参数的估计问题,这一情形下,本文利用刀切经验似然方法对参数进行统计推断,并在一定正则条件下,证明所构造刀切似然统计量的渐近性质.最后,通过Monte Carlo数值模拟和实际数据分析,说明本文所提方法的优势.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
经验似然方法论文参考文献
[1].徐孝琳,樊亚莉,苏依官.纵向数据下广义经验似然方法的有效稳健估计[J].上海理工大学学报.2019
[2].韦阳,李周平,杨帆.增维非光滑估计方程的刀切经验似然方法[J].中国科学:数学.2019
[3].苏依官,樊亚莉,徐孝琳.稳健经验似然估计方法[J].上海理工大学学报.2019
[4].张俊英,张日权,王航,陆智萍.超高维数据边际经验似然独立筛选方法（英文）[J].应用概率统计.2019
[5].彭毳鑫.基于经验似然方法的异方差时间序列模型的估计与检验[D].吉林大学.2018
[6].程从华.基于经验似然方法的向量复合泊松过程研究（英文）[J].应用数学.2018
[7].梁薇,何书元.平均经验似然方法[J].数学进展.2018
[8].郭蕃.基于一种分块经验似然方法的ARMA模型的参数推断[J].江苏第二师范学院学报.2017
[9].杨帆.生物标记物线性组合的刀切经验似然方法[D].兰州大学.2017
[10].胡书文.稳健的经验似然推断方法在纵向数据中的应用[D].重庆大学.2017