欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
中文摘要：
本文研究缺失数据下对数线性模型参数的极大似然估计问题．通过Monte-CarloEM算法去拟合所提出的模型．其中，在期望步中利用Metropolis—Hastings算法产生一个缺失数据的样本，在最大化步中利用Newton—Raphson迭代使似然函数最大化．最后，利用观测数据的Fisher信息得到参数极大似然估计的渐近方差和标准误差．
英文摘要：
In this paper,a geometric response and normal covariace model for the missing data are assumed. We fit the model using the Monte Carlo EM（Expectation and Maximization） algorithm. The E-step is derived by Metropolis-Hastings algorithm to generate a sample for missing data, and the M-Step is done by Newton-Raphson to maximize the likelihood function. Asymptotic variances and the standard errors of the MLE of parameters are derived using the observed Fisher information.
同期刊论文项目
同项目期刊论文
期刊信息
位置：