导读:本文包含了极大似然估计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:α-布朗桥,极大似然估计,偏差不等式
极大似然估计法论文文献综述
周芊芊,赵守江[1]（2019）在《α-布朗桥极大似然估计的偏差不等式》一文中研究指出用测度变换方法研究α-布朗桥极大似然估计的偏差不等式,进而得到其r-阶收敛性.(本文来源于《湖北文理学院学报》期刊2019年11期）
武帅,杨秀璋,夏换,田贵江,赵紫如[2]（2019）在《基于正态分布的极大似然估计》一文中研究指出现实生活中,无时无刻都存在着随机事件的发生,但并不是所有随机事件都能通过贝叶斯分类算法算出其概率。为解决该局限性,本文提出一种将概率密度估计事件转化成为参数估计事件的方法,基于极大似然估计的估计方法。仅需要知道事件的样本数据,结合极大似然算法,能解决众多随机事件问题,有效解决贝叶斯分类的局限性,对日常生活中随机事件的处理具有重要意义。(本文来源于《南方农机》期刊2019年19期）
金立斌,许王莉,朱利平,朱力行[3]（2019）在《偏正态混合模型的惩罚极大似然估计》一文中研究指出在分析具有异质性和非对称性数据时,偏正态混合模型提供一种比经典的Gauss混合模型更为灵活的建模方式.然而,由于无界的似然函数和发散的形状参数,该模型的极大似然估计并未被正确定义,进一步导致不理想的推断过程.为同时解决这两个问题,本文基于惩罚似然提出一种新的估计方案,并证明在混合分布的类别个数大于或等于真实的类别个数时,相应的惩罚极大似然估计是强相合的.同时,本文也提出相应的惩罚EM (expectation maximization)算法来计算惩罚估计.最后,通过模拟分析与现有方法比较研究估计方法在有限样本下的表现,并采用两个实例说明方法的有效性.(本文来源于《中国科学:数学》期刊2019年09期）
王文焕,杨国生,周泽昕,詹荣荣,张烈[4]（2019）在《基于随机截尾数据及极大似然估计的继电保护可靠性分布》一文中研究指出保护装置缺陷严重影响装置运行可靠性。装置缺陷分布是评估装置可靠性的重要依据。受制于装置运行时间长,缺陷发生率低,无法获取完整的缺陷数据,缺陷数据存在随机截尾特征。采用极大似然估计法,基于两参数的威布尔分布模型,实现对继电保护装置缺陷分布的参数估计。基于保护装置的电源模块、CPU模块、交流采样模块及液晶显示模块存在独立分布的假设,建立装置整体缺陷分布的联合分布模型,实现对装置各模块及整体缺陷概率分布模型的参数估计。所提出的方法能够有效指导装置缺陷分布分析,并指导装置检修。(本文来源于《电力系统保护与控制》期刊2019年12期）
吴星星[5]（2019）在《阈值主导下的跳跃扩散过程的极大似然估计》一文中研究指出1973年,BS期权定价模型被提出并且得到了广泛地应用,其中股票价格采用的是传统的几何布朗运动模型。后来,这一模型逐渐发展,含跳的扩散模型成为主流。这种模型跳的频率可能服从不同的过程,比如泊松计数过程,跳跃的幅度也可能服从不同的分布,比如均匀分布、正态分布、双指数分布。本文主要研究Merton跳跃扩散模型和双指数跳跃扩散模型的参数估计问题,为期权定价提供参数依据。运用伊藤公式,可以对带跳扩散过程的随机微分方程求解,然后求出日对数收益率的表达式。针对该对数收益率服从的概率分布,如果采用传统的极大似然估计方法进行参数估计,由于模型参数过多以及跳跃频数的不确定性,会导致似然函数中涉及无穷项和与二维超越积分,即使采用数值方法求解似然函数极值也极为复杂,计算难度极大。因此本文提出了一个跳跃阈值的概念,即用以筛选出发生跳跃的股价,然后将时间离散化,即认为数据的时间间隔是极短的,结合泊松过程的微分定义,先估计出泊松过程的参数,进而大大简化了似然函数,便于求解余下的参数估计。在文末,会采用蒙特卡洛的方法模拟数据,用以验证该方法的合理性和可行性。由于不同的阈值会对应不同的估计参数,我们会通过不断地改变阈值来寻找最优的估计参数,而其对应的阈值为最优阈值。(本文来源于《中国科学技术大学》期刊2019-04-20）
陈永娟[6]（2019）在《极大似然估计概念的微课程教学设计》一文中研究指出极大似然估计法是概率统计中一种重要的、应用广泛的方法,同时也是学生较难理解的概率统计概念。本文给出一节极大似然估计的微课程教学设计。通过案例教学法,由浅入深地讲解极大似然估计的基本思想、原则和解题步骤,并在其中融入基本的统计思想,让学生能够进一步理解这个概念。(本文来源于《安阳师范学院学报》期刊2019年02期）
田玥[7]（2019）在《基于统计回归模型的极大似然估计》一文中研究指出回归分析是多元统计分析方法中应用最广泛的一种。它是处理多个变量间相互依赖关系的一种数理统计方法。回归分析离不开统计回归模型,本文基于统计回归模型,重点研究一元线性回归模型,研究各变量间的关系,通过最小二乘估计引出模型的参数估计,进而重点研究极大似然估计的原理及实现过程。最后对本文的研究进行总结及对未来研究的展望。(本文来源于《通讯世界》期刊2019年03期）
宓颖,李树有[8]（2019）在《多维正态分布协方差阵在环序和伞序约束下的极大似然估计》一文中研究指出通过对多维正态分布协方差阵采用参数化,利用在简单树半序和简单半序约束下协方差阵极大似然估计的方法,给出了多维正态分布协方差阵在简单环半序和伞型半序约束下极大似然估计的充分条件以及极大似然估计的计算方法,并给出多元平衡叁向分类随机模型的应用实例.(本文来源于《东北师大学报(自然科学版)》期刊2019年01期）
康宏亮[9]（2019）在《随机删失数据下极大似然估计量的性质》一文中研究指出研究了观察数据被随机删失时,极大似然估计的局部渐近正态性与渐近极小极大有效性,建立了局部渐近正态成立的充分条件,并给出渐近极小极大风险的下界以及达到该下界的充分必要条件,证明了随机删失下参数极大似然估计的渐近极小极大有效性.(本文来源于《兰州文理学院学报(自然科学版)》期刊2019年02期）
隋崴[10]（2019）在《双变量泊松分布参数在序约束下的极大似然估计》一文中研究指出双变量泊松分布的性质及其应用的研究在许多国内外的文献中都有所涉及。双变量泊松分布的产生方法有很多种,学者S.Kocherlakota和K.Kocherlakota提出一种使用最多的方法,即叁变量还原法。根据这种方法计算得到双变量泊松分布的概率密度函数。本文主要针对双变量泊松分布参数的极大似然估计和应用进行研究。首先,研究了双变量泊松分布参数的极大似然估计问题。运用牛顿迭代方法对叁个未知参数进行求解,通过计算参数的矩估计作为迭代初值代入,利用MATLAB语言将122个调度员在两个不同连续时间段内发生事故次数的真实数据代入,求解参数的极大似然估计值。其次,以调度员发生事故次数为例,随机抽取十个不同地区作为十个不同总体,要求发生事故原因从工作环境本身存在的危险、个人原因和非个人原因叁方面影响因素考虑,要求在一定可控制范围内,使事故发生率最小化,即对概率密度函数中的参数加上约束条件。利用PAVA算法,最终得到满足条件的极大似然估计值,并比较得出事故发生率最小值。最后,对双变量泊松分布进行扩展得到双变量COM-泊松分布。为了满足数据分散性,双变量泊松分布已不能完全符合条件,所以采用双变量COM-泊松分布对实际数据进行建模,双变量COM-泊松分布在参数v取某一特定值时,其包含叁种特殊分布,分别是双变量泊松分布、双变量伯努利分布和双变量几何分布。此部分主要是考虑双变量COM-泊松分布参数的极大似然估计,利用MATLAB语言将122个调度员在两个不同连续时间段内发生事故次数的真实数据代入,最终得到估计值。(本文来源于《辽宁工业大学》期刊2019-03-01）
极大似然估计法论文开题报告
（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：
现实生活中,无时无刻都存在着随机事件的发生,但并不是所有随机事件都能通过贝叶斯分类算法算出其概率。为解决该局限性,本文提出一种将概率密度估计事件转化成为参数估计事件的方法,基于极大似然估计的估计方法。仅需要知道事件的样本数据,结合极大似然算法,能解决众多随机事件问题,有效解决贝叶斯分类的局限性,对日常生活中随机事件的处理具有重要意义。
（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。
极大似然估计法论文参考文献
[1].周芊芊,赵守江.α-布朗桥极大似然估计的偏差不等式[J].湖北文理学院学报.2019
[2].武帅,杨秀璋,夏换,田贵江,赵紫如.基于正态分布的极大似然估计[J].南方农机.2019
[3].金立斌,许王莉,朱利平,朱力行.偏正态混合模型的惩罚极大似然估计[J].中国科学:数学.2019
[4].王文焕,杨国生,周泽昕,詹荣荣,张烈.基于随机截尾数据及极大似然估计的继电保护可靠性分布[J].电力系统保护与控制.2019
[5].吴星星.阈值主导下的跳跃扩散过程的极大似然估计[D].中国科学技术大学.2019
[6].陈永娟.极大似然估计概念的微课程教学设计[J].安阳师范学院学报.2019
[7].田玥.基于统计回归模型的极大似然估计[J].通讯世界.2019
[8].宓颖,李树有.多维正态分布协方差阵在环序和伞序约束下的极大似然估计[J].东北师大学报(自然科学版).2019
[9].康宏亮.随机删失数据下极大似然估计量的性质[J].兰州文理学院学报(自然科学版).2019
[10].隋崴.双变量泊松分布参数在序约束下的极大似然估计[D].辽宁工业大学.2019