混合von Mises模型的参数估计

被引：11

作者：

陈家骅

李鹏飞

谭鲜明

机构：

[1] 加拿大滑铁卢大学统计与精算科学系

来源：

系统科学与数学 | 2007年 / 01期

基金：

加拿大自然科学与工程研究理事会; 中国国家自然科学基金;

关键词：

混合von Mises模型; 约束最大似然; 惩罚最大似然; 强相合性．;

D O I：

暂无

中图分类号：

O212 [数理统计];

学科分类号：

摘要：

有限混合von Mises模型在天文学、生物学、地理和医药等许多领域都有重要的应用．可是,不论样本量有多大,此模型的似然函数都是无界的．因此,参数的最大似然估计(MLE)是不相合的．我们发现,与混合正态模型一样,上述困难可以通过引入关于分布浓度参数的一个惩罚函数或对参数空间添加适当的约束来克服．在此文中,我们从理论上证明了这两种方法是可行的,相应的参数估计是强相合的,且是渐近有效的．我们还通过计算机模拟来探讨这些新方法在有限样本情况下的统计性质,并与现有的矩估计作了比较．结果发现,惩罚极大似然估计在均方误差方面表现最佳．最后我们还分析了一组实际数据,以进一步介绍新的估计方法．

引用

页码：59 / 67

页数：9