混合模型下 MLE 的一致性
本篇论文研究、应用和优化混合模型和变化推理等技术对贝叶斯统计学、计算生物学和自然语言处理等多个领域的贡献,并研究证明了可变组成元素数量的情况下,情形近似的集中性,以及证明了这种多次证明技术确实是有效的。
May, 2018
本研究证明在逻辑回归模型中,当样本量和自变量个数的比例变大时,MLE 的偏差和方差均远大于经典预测所得,常用的 LRT 也未能满足卡方分布,因此现有的软件包所得出的推论是不可靠的。
Mar, 2018
研究了在条件泊松抽样方案下对数线性模型中的最大似然估计, 推导了模型参数的最大似然估计器存在的必要和充分条件,探究了自然和均值参数在不存在 MLE 情况下的可估性。此外,提出了拓展最大似然估计算法,并利用对数线性模型的几何性质,为对数线性模型分析的现有算法进行改进和修正。
Apr, 2011
基于形状约束函数估计的思路,本文提出了一种估计混合比例和未知分布的方法,研究了其一致性和收敛速率,开发了自动化的无分布有保证的混合比例置信下限估计方法,并分析了在天文与微阵列实验中的应用。
Apr, 2012
本文研究一类排列上的指数族,并计算其规范化常数的渐近性质,证明 MLE 及一种可计算的近似 MLE 是一致的,证明 Besag 的伪似然估计是 sqrt(n)- 一致的,证明了迭代算法(IPFP)收敛于极限规范化常数,并且对应用于 Mallows 模型和 Kendall's Tau 的情况进行了分析。
Jul, 2013
本篇论文从众多维度描述了对象的角度出发,提出了一种新的方法来解决稀疏正常分布下的样本均值的估计问题,进一步推导出极小极大下的收敛率,且得到了最优收敛率,并将该方法与其他方法进行了比较。
Dec, 2006
本文提出了一种基于 Markov chain Monte Carlo 方法的贝叶斯非参数混合模型的后验抽样方法,该方法采用归一化随机测度先验,并利用一些最近的后验特征进行修改,提高了 Neal 的 Dirichlet 过程混合模型 8 号算法的效率,并为其构建了一种相关算法。在应用实例方面,我们考虑了具有潜在归一化广义 Gamma 过程先验的混合模型,并描述了比较性的模拟结果证明了所提方法的有效性。
Oct, 2013