广义线性模型的惩罚高维经验似然.pdfVIP

广义线性模型的惩罚高维经验似然 A2丽砑而’ 对于江1,2…．，／,／．由下式可以得到拉格朗日乘子旯． ∑P渺，一目)=0． 因此，我们可以记作 k(目)=-nlog(n)一∑log{1+2r(y；一阱 定义剖面对数经验似然比函数为 矿(口)=-2∑log(n／3，)=2∑log{1+2r(y，一阱 Owenpl指出，当吼是真实的总体均值时，WOo)一z；，咒一∞类似于参数似然的结果． 这个事实对于臼的假设检验和置信区间的构造是非常有利的． 下面简单介绍经验似然的两个基本定理： 定理1．2．1(Owen‘2 3)设X，，X：…．，X。∈贸P独立同分布，分布函数为‘，均值为∥。， H n H R(∥)=max{兀聆∞，I∑qx，=∥，∞，≥0．Z09i=1)． i=1 i=1 i=1 且∥。的置信域可以写成下面的形式