偏正态混合模型的惩罚极大似然估计

金立斌, 许王莉, 朱利平, 朱力行

Research output: Contribution to journalArticlepeer-review

Abstract

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。
Original languageChinese (Simplified)
Pages (from-to)1225-1250
Number of pages26
Journal中国科学: 数学
Volume49
Issue number9
DOIs
Publication statusPublished - Sep 2019

User-Defined Keywords

  • 似然退化
  • 边界估计
  • 偏正态混合模型
  • 惩罚极大似然估计
  • 强相合性

Cite this