基于强稳定收敛的偏正态联合位置与尺度模型的参数估计算法.pdfVIP

应用数学

MATHEMATICAAPPLICATA

2025,38(1):201-210

基于强稳定收敛的偏正态联合位置与尺度

模型的参数估计算法

薛潇吴刘仓

昆明理工大学理学院云南昆明

昆明理工大学应用统计学研究中心云南昆明

摘要：传统的迭代算法例如牛顿算法算法等在实际应用中往往存在

初始值较为敏感的问题为解决这一问题一种强稳定的收敛算法――

算法以下称算法被提出这种算法虽然在求解一元非线性

函数时具有强稳定性但是不能推广到多元的情形那么针对多元情形本文将

结合偏正态分布的随机表示对偏正态联合位置与尺度模型的似然函数进行分层

并且利用算法得到一元的情形再使用算法构造强稳定的收敛算法最后

通过随机模拟分析和实例分析研究表明了算法较牛顿迭代法大大降低了算法

对初值的敏感度以及显著地提高了收敛的稳定性

关键词：偏正态联合位置与尺度模型牛顿迭代法算法强稳定收敛

中图分类号：主题分类：

文献标识码：文章编号：

引言

随着互联网时代的发展在大气科学、经济学以及生物医学等领域出现大量的偏斜数据

所以对偏斜数据进行建模变得尤为重要偏正态分布是一种经典的非对称分布从而深受各界

学者的喜爱在偏斜分布中位置、尺度作为一个分布重要特征对其建模具有重要意义国内

[12]

外的相关工作数不胜数早在年等提出了偏正态分布以及表达式这为今后

[3]

偏正态分布的深入研究奠定了深厚的基础年等提出了偏正态分布的另一种表达

形式完善了偏正态分布表达式单一这一缺陷同时也增加了多角度研究偏正态分布的可能

[4][5]

吴刘仓等关于联合均值与方差模型有了较系统的研究马婷等对偏正态位置、尺度和偏度

[6]

回归模型进行了极大似然估计并且用牛顿迭代法评价了估计的效果曾鑫在偏正态数据下

[7]

有限混合众数回归模型的统计推断一文中深入研究了算法同时朱翡基于算法的

有限混合分布模型的参数估计一文深入研究了算法上述论文中使用算法为牛顿迭代法、

算法、算法以及两点梯度下降算法等上述算法在求解模型的极大似然估计时对初值

[8]

十分敏感比如等指出牛顿迭代法存在对初值不稳定的缺点所以不合适的初值

会导致算法收敛到错误的值甚至是不收敛因此对上述算法改进是一个重要的问题

收稿日期：2023-12-23

基金项目：国家自然科学基金项目,昆明理工大学哲学社会科学科研创新团队

(XTD2023005),云南省基础研究专项重点项目(202401AS070061).

通讯作者：吴刘仓,男,汉族,云南人,教授,研究方向：应用统计.

应用数学2025

譬如极大似然估计、惩罚极大似然估计、极大拟似然估计等现有的统计计算问题大多数

都是多元优化的问题首先对于完整数据来说主要有牛顿算法、算法、算法、两点