有限混合分布模型与线性模型的估计和检验问.docVIP

有限混合分布模型与线性模型的估计和检验问题 【摘要】：数理统计学的任务,归根结底,是研究者通过一组受到随机性干扰的数据,加上主观对这组数据的认识,用适当的统计方法,对所考虑的问题作出统计推断。在传统的参数统计中,人们习惯于首先假设样本数据来自某个分布总体,然后基于这个总体,进行后续的统计推断研究。近二十几年来,随着科学技术及社会生产力的飞速发展,人们所面对的世界越来越复杂化;作为统计研究者,我们所面临的数据同样越来越复杂。鉴于在很多情形下,样本数据情况复杂,不同局部可能有不同的特性,单一的参数分布族无法确切地描述观测数据,人们想到用有限混合分布模型对广泛的随机现象进行统计建模。理论证明,任何有限分布可由等协差阵的Gauss分布的有限混合任意逼近。这为有限混合分布模型的有效性提供了理论基础。通过适当选择分量,它可对异常复杂的分布进行建模。特别是,当观测数据有局部变化,而单一的参数分布族无法确切地描述观测数据时,有限混合分布模型表现出色。与此同时,实践同样证明了有限混合分布模型具有良好的适应性。因而近二十几年来,有限混合分布模型获得了迅速并且深入的发展,广泛应用于社会各领域,尤其是生物学,基因工程,心理学,信息科学,金融保险等领域。它在统计数据分析中扮演着越来越重要的角色。除有限混合分布模型,本文还研究了线性模型。线性模型是数理统计学中发展较早、理论丰富且应用性很强的一个重要分支。在过