S02多变量半参数有限混合模型的可识别性研究.doc

参赛队员： 郭屹峰 学校： 广东实验中学 省份： 广东省 指导教师： 郭卫东 论文题目： 多变量半参数有限混合模型的可识别性研究 论文题目：多变量半参数有限混合模型的可识别性研究 摘要：任何一个统计模型在其应用之前都要确定参数推断是否有意义。如果一个模型不能由唯一的一组参数所确定，那么这个模型是不可识别的。进而也是没有实用价值的。有限混合模型为研究现实世界中的异质性问题提供一个很好的方法。在实际应用中，参数有限混合模型被广泛地应用到生物、医学、社会学、经济、金融等领域。然而，参数有限混合模型的统计推断严重依赖于混合分布族的选择，因而导致其缺乏灵活性。故非参数有限混合模型和半参数有限混合模型成为当今统计前沿的一个热点和重点。统计顶级期刊《Annals of Statistics》于2006年和2007年先后发表了两篇关于单变量半参数有限混合模型的高质量文章。然而，多变量半参数有限混合模型却迟迟没有结果发表。本论文重点关注多变量参数有限混合模型的可识别性问题，为此模型的参数估计和假设检验提供理论保障。 有限混合模型的重要性 在现实的复杂世界中，存在着大量的异质性现象。例如在医学中，由于自身条件的差异，所有的病人事实上都是不完全一样的。而忽略这种异质性所得到的医学数据分析结果展示的只是所谓的“平均”病人的结果。因此在医学中，个性化医疗变得越来越重要。而对于一名统计学家来说，辨别病人之间的异质性，并将这些异质性融入到统计模型中是一个重要的任务。有限混合模型为处理这种带有异质性问题提供了很好的思路。因此其在生物学、医学、社会学、经济学和金融学等众多领域有着广泛的应用。 在给出有限混合模型之前，我们首先展示两个实际数据的例子。一个是R软件包中的Old Faithful 数据集。此数据集记录了美国黄石国家公园(Yellowstone National Park)里的Old Faithful间歇泉每次喷发所持续的时间以及两次喷发之间的等待时间，单位均是：分钟。由下面的直方图（见图1的左图）我们可以发现：Old Faithful间歇泉两次喷发之间的等待时间呈现双峰分布，说明等待时间数据中存在异质性。故我们不能用一个单一分布来拟合，而要用混合分布拟合。同时我们还注意到每个混合分布是接近对称分布的。另一个是瑞士心理学家Jean Piaget用于评价儿童对物质世界理解力的实验数据。此实验首先发给每个儿童一张纸，纸上分别画有指向11，4，2，7，10，5，1，8点钟方向的8个带有盖子的矩形器皿（见图1的右图）。然后要求每个儿童画出每个器皿中液体的水平线，接下来度量出此条水平线与水平轴之间的夹角，用角度来表示。最后给出一个带有符号的角度值，其中符号对应的是器皿中水平线斜率的符号。与上一个数据不同的是，此数据考虑的不再是一个变量，而不是八个变量。 有限混合模型通过引进一个离散的潜在结构来描述数据中的异质性。假设一组随机样本来自下面的混合分布密度函数： 其中，m表示混合元的个数，可以是已知的也可以是未知的。例如在Old Faithful间歇泉两次喷发的等待时间可以认为m=2；而对于第二个数据混合元个数m很难确定，尽管有文献采用m=2或者m=3. 混合比例表示第j个混合元的比例，满足对所有的j，并且. 表示第j个混合元的密度函数。 图1：左图为Old Faithful间歇泉两次喷发之间等待时间的直方图；右图为Jean Piaget心理实验8个不同指向的矩形器皿的示意图。 在有限混合分布(1)中，如果混合元为某一参数分布族，则这类有限混合模型称为参数有限混合模型。例如，若为正态分布的密度函数，则有限混合模型(1)为常见的高斯混合模型。此类模型的统计推断问题只涉及到欧氏空间上的参数推断，即关于的推断问题。在过去若干年中，研究者提出了关于参数的各种估计方法。这些方法主要有以下几个类型：1）矩估计方法（见Lindsay和Basak，1993）；2）极大似然估计方法（见Lindsay, 1983a,b）；3）Bayes方法（见Diebolt和Robert，1994；Escobar和West，1995）；4）最小距离方法（见Titterington等人，1985）以及其他方法。 尽管参数有限混合模型因其相对比较简单而得到广泛的应用，但是由于实际应用中对子总体通常知之甚少，故参数有限混合模型中混合元的选择是非常困难的。因为参数