边界约束下多项分布极大似然估计与EM算法.pdfVIP

中文摘要 当参数P属于某个集合c(c∈P，P为舻中概率向量空间)时，求p的极大似然估 计是统计学中一个非常常见的问题．虽然文献中已有许多学者就该问题进行过讨论，但 他们主要讨论的是参数被线性约束或被对数线性约束的情况．本文中，我们将对该问题 进行深入地研究，将给出一个基于集合C的棱向量来计算参数向量的极大似然估计的简 单EM迭代法则，在C的棱向量容易求得情况下，它比通常的求极大似然估计的算法 要简单得多．它不但适用于C为等式约束的情况，也适用于C为不等式约束的情况。我 们主要讨论了C为边界齐次的方列联表的情况，给出了一般情况下边界齐次的方列联表 的梭向量，并证明了关于n×n边界齐次的方列联表的一个一般性结论：当札2时， 约束条件C的棱向量的个数 1碟+…+(k一1)!磷+…+(n一2)!四-1 Ⅳn=瓯+碟+2砩+3 最后，为了更清楚地阐述该算法，我们分三种不同情况讨论了算法的应用。 关键词；极大似然估计；EM算法；序约束；边界齐次性；棱向量 V Abstract A istofindthemaximumlikelihood frequentlyoccurringproblem estimation(MLE) been to Pthe vectors has of C in舻)．The P P∈c(c probability problem subject con· focusedwhenisrestrictedlinear discussed authorsand P by by theymainly many straintsor constraints．Inthis constructthe between log-linear paper，we relationship likelihoodestimationof restricted andEM and the maximnm the P byP∈C algorithm EM estimatorcanbe the that maximumlikelihood the demonstrate computedthrough will a iterative and thenwe givesimple Rubin(1977))．And algorithm(Dempster，Laird of to theMLEof is