A fifth order expansion for the distribution function of the maximum likelihood estimator
本文将位置的极大似然估计及其分布函数的展开式推广到五阶。由于证据是直接延伸的证明在以前的文件中的订单小于五分之一,他们没有在这里。本文的目的主要是介绍高阶展开式。
2009-07-23 stat.ME
Maximum Likelihood Ridge Regression
我的第一篇专门关于岭回归的论文发表在《技术计量学》上,并被选为1975年亚特兰大联合统计会议的特邀报告。不幸的是,该文件载有各种各样的细节和结果。幸运的是,加里·麦克唐纳发表的那篇论文的讨论主要集中在我在正态分布理论下使用的极大似然估计。在本文中,我回顾了1975年至2022年期间我发表的所有四篇岭型研究论文中的一些结果,重点介绍了极大似然发现,这些发现在回归收缩的实际应用中似乎是最重要的。
2022-07-25 stat.ME
Maximum leave-one-out likelihood estimation for location parameter of unbounded densities
当密度具有无界模式时,位置参数的极大似然估计失效。考虑另一种方法,即省略一个数据点,以完全避免无限密度。这种修改引起了留一出局的可能性。我们提出了一个ECM算法,最大化留一出的可能性。证明了使留一法似然最大化的估计量是相合的和超有效的。然而,其他的渐近性质,如最佳收敛速度和渐近分布仍有待商榷。我们使用模拟调查这些渐近性质的位置估计,使用我们提出的算法。
2016-02-03 stat.ME
On the stochastic restricted Liu-type maximum likelihood estimator in logistic regression
为了克服多重共线性,当线性约束是随机的时,我们通过将Liu型极大似然估计(Inan and Erdo- GAN,2013)结合到逻辑斯谛回归模型中,提出了随机约束Liu型最大似然估计。我们还讨论了新的估计量的性质。此外,我们还给出了新估计量中偏置参数的选择方法。最后,仿真研究显示了新的估计器的性能。
2017-10-06 stat.ME
Penalized Maximum Likelihood Estimator for Skew Normal Mixtures
偏正态混合模型提供了一个更灵活的框架,比流行的正态混合建模异构数据的非对称行为。由于似然函数的无界性和形状参数的发散性,所关心的参数的极大似然估计往往定义不好,导致推理过程不令人满意。我们提出了一个建议,同时处理这些问题的背景下,惩罚的似然函数。当混合模型的假定阶等于或大于真实阶时,证明了惩罚极大似然估计是强相合的。我们还提供了惩罚EM型算法来计算惩罚估计。有限样本的性能进行了研究,通过模拟和实际数据的应用和比较现有的方法。
2016-08-04 stat.ME
Estimation of time-specific intervention effects on continuously distributed time-to-event outcomes by targeted maximum likelihood estimation
目标极大似然估计是一种通用的方法,结合灵活的集成学习和半参数效率理论,在两个步骤的过程中估计的因果参数。提出的生存和竞争风险分析的目标极大似然程序迄今为止集中于离散时间内的事件值。在这里,我们提出了一个有针对性的极大似然估计过程的事件时间,采取R+的值。我们专注于估计干预特定的平均结果与随机干预的时间固定的治疗。对于滋扰参数的数据自适应估计,我们提出了一种新的灵活的高度自适应套索估计方法,可以实现与L1惩罚泊松回归的连续时间强度。在一个模拟研究的目标极大似然估计的基础上的高度自适应lasso估计证明是无偏的,并实现适当的覆盖与渐近理论的协议,并进一步显示效率的改进相对于Kaplan-Meier方法。
2021-06-21 stat.ME
Maximum softly-penalized likelihood for mixed effects logistic regression
已知在具有混合效应的逻辑斯谛回归中的极大似然估计经常导致在参数空间的边界上的估计。此类估计值包括固定效应的无限值和奇异或无限方差分量,可能会对数值估计过程和推断造成严重破坏。我们在对数似然函数或其近似值中引入了适当缩放的加性惩罚,该函数通过不含随机效应的模型的Jeffreys不变先验惩罚固定效应,并通过负Huber损失函数的组合惩罚方差分量。由此产生的最大惩罚似然估计位于内部的参数空间。适当的惩罚尺度保证惩罚足够软,以保持极大似然估计所期望的最佳渐近性质,即一致性,渐近正态性和Cramér-Rao效率。我们选择的惩罚和比例因子在模型参数(如对比度)的线性变换下保持了固定效应估计值的等方差。最大软惩罚似然竞争的方法相比,两个真实数据的例子,并通过全面的模拟研究,说明其优越的有限样本性能。
2023-02-02 stat.ME
Maximum likelihood fitting of acyclic directed mixed graphs to binary data
University of Washington(华盛顿大学)
无环有向混合图,也称为半马尔可夫模型,表示由具有潜在变量的DAG模型在观察到的边缘上诱导的条件独立结构。在本文中,我们提出了第一种方法,这些模型拟合二进制数据使用极大似然估计。
2012-03-15 cs.AI stat.ME
The Method of Normalized Correlations - A Fast Alternative to Maximum Likelihood Estimation for Random Processes and Isotropic Random Fields with Short-Range Dependence
由于所提交期刊的版权政策,本文已被作者撤回。
2008-02-13 stat.CO stat.ME
Maximum likelihood drift estimation for the mixing of two fractional Brownian motions
本文在线性模型$X_t=θt+σB^{H_1}(t)+B^{H_2}(t),\;t\in[0,T],$中构造了未知漂移参数$θ\in \mathbb{R}$的极大似然估计(MLE),其中$B^{H_1}$和$B^{H_2}$是两个独立的分数布朗运动,其Hurst指标为$\frac12<H_1<H_2<1.$。
2015-06-15 math.PR stat.ME
Structural Modelling of Dynamic Networks and Identifying Maximum Likelihood
本文考虑了非线性动态模型,其中主要参数是一个非负矩阵表征网络(传染)效应。该网络矩阵通常通过假设有限数量的非零元素(稀疏性)或通过考虑非负矩阵分解(NMF)的降秩方法来约束。我们遵循后者的方法,并开发了一个新的概率NMF方法。我们引入了一个新的识别最大似然(IML)方法的一致性估计的识别集的容许NMF的,并推导出其渐近分布。此外,我们对给定的非负秩,提出了参数矩阵的极大似然估计,推导了它的渐近分布和相关的效率界。
2022-11-21 econ.EM stat.ME
A new inequality for maximum likelihood estimation in statistical models with latent variables
极大似然估计(MLE)可以说是统计学家最重要的工具,并且已经开发了许多方法来寻找MLE。我们提出了一个新的不等式涉及后验分布的潜变量,在非常一般的条件下。它与EM算法有关,并且具有以类似方式使用的明显潜力。
2019-12-06 math.ST stat.ME stat.TH
Weighted sampling, Maximum Likelihood and minimum divergence estimators
本文研究了Sanov型大偏差概率下参数模型的极大似然。加权抽样下的参数模型的极大似然估计被证明与相对于权重分布定义的特定发散准则的最小化有关。由此产生的推理过程的一些属性; Bahadur效率的测试也被认为是在这种情况下。
2012-07-27 math.ST stat.ME stat.TH
Maximum likelihood estimation in hidden Markov models with inhomogeneous noise
本文研究了含时变非齐次噪声的有限隐状态空间马尔可夫模型的参数估计,其中非齐次噪声消失得足够快。基于渐近均值平稳过程的概念,证明了极大似然估计与拟极大似然估计的强相合性。QMLE的计算忽略了非均匀性,因此,更简单和鲁棒。该理论的动机是从生物物理学的一个例子,并适用于泊松和线性高斯模型。
2018-09-29 math.ST stat.ME stat.TH
The maximum likelihood degree of a chemical reaction at the equilibrium
极大似然估计的复杂性通过其极大似然度($ML$度)来测量。本文研究了在平衡假设下由单个化学反应组成的化学网络的极大似然问题。
2019-08-29 stat.OT
Uniqueness and global optimality of the maximum likelihood estimator for the generalized extreme value distribution
三参数广义极值分布起源于经典的单变量极值理论,常用于分析观测现象的远尾。奇怪的是,在这个标准模型下的似然估计的重要渐近性质尚未建立。在本文中,我们正式证明了极大似然估计是整体和唯一的。一个有趣的次要结果是一类极限关系在形状参数的紧邻域中的一致相合性。
2020-08-14 math.ST stat.ME stat.TH
Uniqueness of the maximum likelihood estimator for k-monotone densities
我们证明了k-单调密度类的极大似然估计的唯一性。
2010-01-12 math.ST stat.TH
Maximum likelihood estimation for left-truncated log-logistic distributions with a given truncation point
从数学和数值两个方面详细分析了左截尾对数逻辑斯谛分布在给定截尾点的极大似然估计。这些极大似然方程往往没有一个解决方案,即使是小的截断。一个简单的标准,提供了一个定期的极大似然解决方案的存在。在这种情况下,可以构造轮廓似然函数,并且优化问题被降低到一维。当极大似然方程不承认某些数据样本的解决方案,它表明,Pareto分布是$L^1$ -限制的退化左截断对数逻辑斯谛分布。使用此数学信息,进行高效的蒙特卡罗模拟,以获得一些拟合优度检验的临界值。置信度表和插值公式提供和几个应用程序,以现实世界的数据。
2022-10-27 math.ST stat.CO stat.ME
Maximum Likelihood Drift Estimation for Multiscale Diffusions
研究了快/慢随机微分方程系统的极大似然参数估计问题。我们的目标是阐明小尺度下模型/数据不匹配的问题。我们考虑两类快/慢的问题,可以严格推导出一个封闭的粗粒度方程的慢变量,我们称之为平均和均匀化问题。我们问是否,给定的数据从慢变量在快/慢系统中,我们可以正确地估计参数的漂移的粗粒度方程的慢变量,使用最大似然。我们表明,而最大似然估计是渐近无偏的平均问题,均匀化问题的最大似然失败,除非我们在一个适当的速率子样本的数据。给出了对数似然函数中渐近误差的显式表达式。我们的理论适用于两个简单的例子,从分子动力学。
2008-06-19 math.PR math.ST stat.ME
Non-Parametric Maximum Likelihood Density Estimation and Simulation-Based Minimum Distance Estimators
间接推断估计器(即,基于模拟的最小距离估计)在一个参数模型的基础上,辅助非参数最大似然密度估计被证明是渐近正态的。如果参数模型是正确指定的,它进一步表明,渐近方差-协方差阵等于逆的Fisher信息矩阵。这些结果是基于非参数极大似然密度估计的参数一致收敛速度和参数一致Donsker型定理。
2011-09-20 math.PR math.ST stat.ME
Consistency of quasi-maximum likelihood for processes with asymMetric laplacian innovation
对一类基于非对称Laplacian新息的多维因果过程,给出了拟极大似然估计的强相合性。
2018-11-06 math.ST stat.TH
Maximum Likelihood for Matrices with Rank Constraints
极大似然估计是统计学中的一个基本最优化问题。我们在秩有界的矩阵流形上研究这个问题。这些表示两个独立的离散随机变量的分布的混合。我们确定的最大似然度的范围内的行列式品种,我们应用数值代数几何计算其似然函数的所有临界点。这导致了发现最大似然对偶矩阵之间的互补行列,结果证明随后由Draisma和罗德里格斯。
2013-03-18 math.AG math.OC stat.CO
Asymptotic normality of maximum likelihood estimator for cooperative sequential adsorption
我们在以前的工作中表明,合作序贯吸附模型的统计推断可以基于极大似然估计。本文继续这方面的研究,建立了极大似然估计在热力学极限下的渐近正态性。我们还进行了一些数值模拟的模型和讨论。
2010-05-06 math.PR math.ST stat.TH
Maximum likelihood thresholds of generic linear concentration models
本文研究了通用线性浓度模型的最大似然阈值,发现其与直观的维度计数一致,且通过几何方法解释了模型可能失效的情况。
2026-05-14 math.AG math.ST stat.TH
Varieties with maximum likelihood degree one
我们证明了极大似然度为1的代数簇是有限纤维单项式映射下约化A-判别簇的象。最大似然估计对应于这样的品种是Kapranov的霍恩均匀化。这将Kapranov对A-判别超曲面的刻画扩展到任意余维的各种情形。
2014-05-31 math.AG math.ST stat.TH
A Note on Spatial-Temporal Lattice Modeling and Maximum Likelihood Estimation
时空线性模型及其相应的基于似然的统计推断是时空格点数据分析的重要工具。本文研究了时空线性模型在一般渐近框架下的最大似然估计的渐近性质。我们在时空权矩阵上提出了温和的正则性条件,并得到了最大似然估计的渐近性质(相合性和渐近正态性)。模拟研究进行检查的有限样本性质的最大似然估计。
2012-07-26 math.ST stat.TH
Maximum Likelihood Estimation for Markov Chains
提出了一种新的具有稀疏转移矩阵的马尔可夫链的最优估计方法。
2009-05-26 math.ST stat.CO stat.TH
Boosting in Univariate Nonparametric Maximum Likelihood Estimation
Tsinghua University(清华大学)
非参数极大似然估计的目的是推断未知的密度分布,同时尽可能少的假设。为了减轻非参数数据拟合中的过度参数化,通常将平滑假设合并到估计中。本文提出了一种新的基于boosting的单变量非参数估计方法。通过非参数对数似然的二阶近似,推导出boosting算法。在Boosting算法中,高斯核和光滑样条被选为弱学习器,以满足光滑假设。仿真和实际数据实验证明了该方法的有效性。
2021-01-21 cs.LG eess.SP stat.ME
Analyticity, Convergence and Convergence Rate of Recursive Maximum Likelihood Estimation in Hidden Markov Models
本文研究隐马尔可夫模型中递推极大似然估计的渐近性质。本文主要讨论对数似然函数的渐近性态以及递推极大似然估计的点收敛性和收敛速度。利用解析延拓原理,证明了解析参数隐马尔可夫模型的渐近对数似然函数的解析性。根据这一事实和微分几何的一些结果(Lojasiewicz不等式),证明了递归极大似然算法的几乎必然点收敛性,并给出了其收敛速度的严格界.与已有的关于隐马尔可夫模型中极大似然估计的渐近性质的结果不同,本文的结果是在不假设对数似然函数有一个孤立的极大值且Hessian在该极大值处是严格负定的情况下得到的.
2009-09-24 math.ST stat.TH
Maximum likelihood estimation for sub-fractional Vasicek model
研究了亚分数阶布朗运动驱动的分数阶Vasicek模型漂移参数极大似然估计的渐近性质。
2021-06-07 math.PR math.ST stat.TH
Asymptotic results for maximum likelihood estimators in joint analysis of repeated measurements and survival time
极大似然估计已广泛应用于重复测量和生存时间的联合分析。然而,有一个缺乏理论上的理由的渐近性质的最大似然估计。本文旨在填补这一空白。具体来说,我们证明了最大似然估计的一致性,并推导出它们的渐近分布。极大似然估计是半参数有效的。
2006-02-11 math.ST stat.TH
Toric invariant theory for maximum likelihood estimation in log-linear models
我们建立了离散统计模型的不变理论和极大似然估计之间的联系。我们证明了环面轨道上的范数最小化等价于对数线性模型中的极大似然估计。我们使用的概念下的环面行动的稳定性的特点存在的最大似然估计,并讨论连接到缩放算法。
2021-10-04 math.AG math.ST stat.TH
Bounding the maximum likelihood degree
极大似然估计是统计学中的一个基本计算问题。本文给出了离散数据代数统计模型的极大似然度的一个界。像往常一样,这些模型被识别为特殊的非常仿射的品种。利用Franecki和Kapranov的早期工作,我们证明了最大似然度总是小于或等于符号交上同调欧拉示性数。我们构造了一个反例的限制在通常的欧拉示性数由Huh和Sturmfels。
2015-04-17 math.AG math.ST stat.TH
Maximum smoothed likelihood estimation and smoothed maximum likelihood estimation in the current status model
考虑了当前状态模型中(不可观测)事件时间的分布函数、密度和危险率的估计问题。在这个模型中,分布函数的一个研究得很好的自然非参数估计是非参数最大似然估计(MLE)。我们研究了两种替代的方法估计的分布函数,假设一些平滑的事件时间分布。第一个估计是基于最大平滑似然法。第二种方法是基于平滑的分布函数的(离散)MLE。这些估计器可用于估计基于插件原理的事件时间分布的密度和危险率。
2010-01-12 math.ST stat.TH
Upper and Lower Class Functions for Maximum Likelihood Estimator for Single server Queues
研究了$GI/G/1$排队系统中到达率和服务率的极大似然估计的上、下类函数,并对M/M/1排队系统进行了验证.
2020-02-14 math.ST stat.TH
Gaussian stationary processes over graphs, general frame and maximum likelihood identification
本文利用Hilbert算子的谱理论,研究了图指标的ARMA高斯过程。我们推广了相应谱密度参数的Whittle极大似然估计,并证明了它们的渐近最优性。
2012-03-21 math.ST stat.TH
Maximum Approximated Likelihood Estimation
经验经济学研究经常在似然函数难以解析的情况下应用最大似然估计。大部分的理论文献集中在最大模拟似然(MSL)估计,而经验和模拟分析往往发现,替代的近似方法,如准蒙特卡罗模拟,高斯求积,稀疏网格上的积分表现得更好的数值。本文将MSL估计的理论结果推广到一般的极大近似似然(MAL)估计。我们为模型和近似方法提供了一般条件,以确保一致性和渐近正态性。我们还展示了具体的例子和有限样本的仿真结果。
2019-08-12 econ.EM math.ST stat.TH
Strong consistency of the maximum likelihood estimator for finite mixtures of location-scale distributions when penalty is imposed on the ratios of the scale parameters
在位置-尺度分布的有限混合分布中,如果参数没有约束或惩罚,则极大似然估计不存在,因为似然是无界的。为了避免这个问题,我们考虑一个惩罚的可能性,其中的惩罚是一个函数的比例的最小值的尺度参数和样本量。证明了惩罚极大似然估计是强相合的。我们还分析了惩罚的最大似然估计的一致性,惩罚施加在尺度参数本身。
2008-02-08 math.PR math.ST stat.TH
The Multiple Roots Phenomenon in Maximum Likelihood Estimation for Factor Analysis
统计推断中的重根估计问题在文献中的许多上下文中出现。在极大似然估计中,由于存在重根,使得使用爬山算法计算最大似然估计量时存在不确定性,从而导致统计推断的困难。本文研究了因子分析的极大似然估计中的重根现象。证明了相应的似然方程即使在最简单的情况下也有不可数的多个可行解。对于观测数据为二维而未观测因子得分为一维的情形,证明了似然方程的解构成一维实曲线.
2017-02-15 math.ST stat.TH
Maximum Likelihood Estimation from a Tropical and a Bernstein--Sato Perspective
本文利用热带几何和Bernstein-Sato理论研究了极大似然估计。我们研究了非常仿射簇的临界点,并研究了它们的渐近行为。我们将这些渐近性与热带品种中的特定射线以及Bernstein-Sato理想联系起来,并将其与统计学中的极大似然估计联系起来。
2022-03-03 math.AG math.ST stat.TH
Maximum likelihood estimation for stochastic differential equations driven by a mixed fractional Brownian motion with random effects
本文讨论了一类由混合分数阶布朗运动驱动的随机微分方程模型参数的极大似然估计。
2021-04-30 math.PR math.ST stat.TH
Entropic optimal transport is maximum-likelihood deconvolution
我们给出了熵最优输运的统计解释表明,执行高斯反卷积的极大似然估计对应于计算相对于熵最优输运距离的投影。这一结构性结果为这些工具在机器学习社区中的广泛采用提供了理论支持。
2018-09-18 math.ST stat.TH
Exact maximum likelihood estimators for drift fractional Brownian motions
本文讨论离散时刻漂移分数阶布朗运动的均值和方差的极大似然估计的相合性和强相合性问题。利用Malliavin演算得到了这些估计量的一个中心极限定理。
2009-04-27 math.PR math.ST stat.AP
Maximum likelihood estimation for discrete exponential families and random graphs
我们刻画了离散指数族极大似然估计的存在性。我们的标准是简单的应用,因为我们在各种设置,最显着的指数模型的随机图。作为应用,我们指出了独立同分布样本的极大似然估计以高概率存在的大小。
2021-02-21 math.CO math.PR math.ST
Maximum likelihood estimation for Gaussian processes under inequality constraints
本文研究了高斯过程在固定域渐近性条件下,在不等式约束(有界性、单调性或凸性)下的协方差参数估计。本文讨论了Matérn和Wendland协方差函数的方差参数估计和微遍历参数估计。首先,我们证明了(无约束)极大似然估计具有相同的渐近分布,无条件和条件的事实,高斯过程满足不等式约束。然后,我们研究了最近提出的约束极大似然估计。我们表明,它具有相同的渐近分布(无约束)的最大似然估计。此外,我们在模拟中表明,约束最大似然估计一般是更准确的有限样本。最后,我们提供了扩展预测和噪声观测。
2019-07-15 math.PR math.ST stat.TH
Existence and uniqueness of the maximum likelihood estimator for models with a Kronecker product covariance structure
本文讨论了多元高斯模型,其中协方差阵是两个矩阵的Kronecker积。我们考虑模型参数的极大似然估计,特别是协方差阵。Kronecker乘积协方差阵的极大似然估计量没有明确的表达式。本文的主要问题是协方差阵的极大似然估计是否存在以及它是否唯一。对于我们考虑的不同模型,答案是不同的。
2014-10-08 math.ST stat.TH
On nonparametric maximum likelihood for a class of stochastic inverse problems
建立了一类随机反问题的非参数极大似然估计的相合性。我们继续通过嵌入的框架到Pfanzagl有关混合物的早期结果的一般设置。
2004-11-23 math.ST stat.TH
Maximum likelihood estimation for a bivariate Gaussian process under fixed domain asymptotics
本文研究了在固定区域渐近条件下,具有可分离指数协方差模型的二元高斯过程数据的极大似然估计。我们首先刻画了该模型下高斯测度的等价性。然后建立了微遍历参数的相合性和渐近分布。模拟研究,以比较有限样本的最大似然估计与给定的渐近分布的行为。
2016-03-30 math.ST stat.TH
Maximum likelihood estimation for tensor normal models via castling transforms
本文研究了张量正态模型极大似然估计的样本量阈值问题。给定模型参数和样本个数,我们几乎肯定地确定:(1)似然函数是否有界,(2)是否存在最大似然估计(MLE),以及(3)是否存在唯一的MLE。我们得到一个完整的答案,真实的和复杂的模型。我们的结果的一个后果是,几乎必然有界的对数似然函数保证几乎必然存在的MLE。我们的技术是基于不变量理论和易位变换。
2020-11-07 math.AG math.RT math.ST
The maximum likelihood degree of Fermat hypersurfaces
研究了Fermat超曲面上似然函数的临界点。这个问题与统计最优化中的一个主要问题:极大似然估计有关。射影簇上临界点的个数是簇的一个拓扑不变量,称为极大似然度。给出了射影平面上任意Fermat曲线和射影空间上任意2次Fermat超曲面的极大似然度的闭公式。整个文件中开发的数学方法来计算一般的费马超曲面的ML度。这样的算法大量利用了我们正在考虑的变量的对称性。在最后一节中给出了不同方法的计算比较和几个费马超曲面的最大似然度列表。
2015-04-08 math.AC math.AG stat.CO
Maximum Likelihood Estimation in the Multivariate and Matrix Variate Symmetric Laplace Distributions through Group Actions
Department of Mathematics, Indian Institute of Technology Roorkee(印度理工学院鲁尔基学院数学系)
本文针对不属于指数分布族的多元与矩阵变量对称拉普拉斯分布,提出基于群作用的极大似然估计方法,将其转化为群上范数最小化问题,建立了数据群作用稳定性与似然函数性质的对应关系。
2025-10-30 math.AG math.ST stat.TH
Maximum Likelihood Estimation on the Grassmannian of Lines
研究正格拉斯曼流形,通过代数统计视角给出直线格拉斯曼流形最大似然度封闭公式,推测概率单纯形有唯一局部最大值并提供计算证据。
2026-07-30 math.AG math.CO math.ST
Asymptotics of the maximum likelihood estimator of the location parameter of Pearson Type VII distribution
Shizuoka University(静冈大学)
研究Pearson VII分布已知尺度下位置参数最大似然估计的渐进行为,包括强一致性、渐近正态性、Bahadur效率和渐近方差。重点分析重尾情况,如Cauchy分布,克服似然方程多根难题。
2026-04-08 math.ST stat.TH
Characterizations of the maximum likelihood estimator of the Cauchy distribution
本文给出了柯西分布位置与尺度联合的极大似然估计的一种新方法。我们把联合看作一个单一的复参数,导出了一个新形式的复变数的似然方程。在此基础上,我们给出了一种新的逼近最大似然估计的迭代格式。我们还处理方程的代数方式,并推导出一个多项式包含的最大似然估计作为根。这种代数方法提供了用多项式求根算法逼近最大似然估计的另一种方案,并且在样本量为5的情况下,给出了封闭式公式的不存在性。最后通过数值例子说明了该方法的有效性。
2021-12-06 math.ST stat.TH