有限混合分布模型与线性模型的估计和检验问题.pdfVIP

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。在过去几十年中 ,线 性模型不仅在理论研究方面甚为活跃 ,而且在经济、金融、医药卫生、 教育心理等社会各领域的应用也日渐广泛。 本文研究了有限混合分布 模型和线性模型中的统计推断问题 ,包括参数估计 ,估计的算法 ,假设 检验 ,稳健性等。现将主要内容概述如下 :一、在假设检验方面 ,本文主 要研究了正态混合分稚模型的同构性检验问题 ,也就是说 ,检验观测数 据究竟是来自单一的正态总体 ,还是混合正态总体。近二十年来该检 验问题备受关注。这就是本文的第二章所研究的问题。本文在 Chen(2003)的基础上 ,去掉等方差的条件。首先 ,通过定义二维欧氏空 间中的 Lebesgue-Stieltjes 测度 ,将混合正态分布的概率密度函数表示 为在此测度上的 L-S 积分 ,由此得到了在新参数下模型的可识别性 ;接 着 ,研究了参数的极大似然估计在原假设成立 ,即单一正态总体时的大 样本性质 ,得到了其相合性 ;最后 ,研究似然比的大样本性质 ,证明了在 原假设成立 ,即单一正态总体时 ,混合正态分布模型的似然比检验统计 量渐近地服从均值