×
金大英;布鲁斯·林赛（Bruce G.Lindsay）。

有限混合模型中的经验可识别性。 （英语） Zbl 1440.62246号

Ann.Inst.Stat.数学。 67，第4期，745-772（2015）。
摘要：虽然有限混合模型中的参数是不可识别的，但有一种局部可识别的形式，保证了可识别参数区域的存在。为了验证它的存在，从业者使用了关于估计参数的Fisher信息。然而，存在基于Fisher信息的局部可识别性与基于可能性的局部可辨识性不一致的模型/数据情况。在本文中，我们提出了一种对估计参数的局部可识别度进行经验度量的方法，经验可识别性，基于个人构建可识别似然集的能力。通过对似然区域的详细拓扑研究，我们表明，对于任何给定的数据集和混合模型，通常存在有限的置信水平范围，其中似然区域具有可识别子集的自然划分。在置信水平过高的情况下，没有自然的方法可以利用可能性来解决可识别性问题。

引用于三文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
62E20型 统计学中的渐近分布理论
62R40型 拓扑数据分析

关键词：

渐近可识别性;有限混合模型;局部可识别性;似然拓扑;不可识别性

软件：

引导库;引导程序
PDF格式BibTeX公司 XML格式引用
\textit{D.Kim}和\textit{B.G.Lindsay}，Ann.Inst.Stat.Math。67，第4号，745--772（2015；Zbl 1440.62246）
全文： 内政部

参考文献：

[1] Agresti，A.（2002年）。分类数据分析（第二版）。纽约：Wiley·Zbl 1018.6202号
[2] Böhning，D.，Schlattmann，P.，Lindsay，B.G.（1992）。混合物的计算机辅助分析：统计算法。生物统计学，48283-303。
[3] Böhning，D.，Dietz，E.，Schaub，R.，Schlattmann，P.，Lindsay，B.G.（1994）。单参数指数族密度混合物的似然比分布。统计数学研究所年鉴，46，373-388·Zbl 0802.62017年
[4] 坎贝尔，N.A.，马洪，R.J.（1974）。纤毛蟹属两种岩蟹变异的多元研究。澳大利亚动物学杂志，22417-425。
[5] Chen，H.，Chen，J.（2001）。有限混合模型中均匀性的似然比检验。加拿大统计杂志，29201-215·Zbl 0979.62007
[6] Cox，D.R.，Hinkley，D.V.（2002年）。理论统计。伦敦：查普曼和霍尔·Zbl 0334.62003号
[7] Crawford，S.L.（1994）。拉普拉斯方法在有限混合分布中的应用。《美国统计协会杂志》，89259-267·Zbl 0795.62022号
[8] Davison，A.C.，Hinkley，D.V.（1997年）。引导方法及其应用。剑桥：剑桥大学出版社·Zbl 0886.62001号
[9] Dempster，A.P.，Laird，N.M.，Rubin，D.B.（1977年）。通过em算法从不完整数据中获得最大似然。英国皇家统计学会期刊B辑（方法学），39，1-38·Zbl 0364.62022号
[10] Dudley，C.R.K.，Giuffra，L.A.，Raine，A.E.G.，Reeders，S.T.（1991）。评估apnh（一种编码人类阿米洛利敏感的na+/h+反转运蛋白的基因）在红细胞na+/li+反转运个体间变异中的作用。美国肾脏病学会杂志，2937-943。
[11] Efron，B.、Tibshirani，R.J.（1993）。引导程序简介。纽约：查普曼和霍尔出版社·Zbl 0835.62038号
[12] Finch，S.J.、Mendell，N.R.、Thode，H.C.（1989）。全局最大值数值搜索充分性的概率度量。美国统计协会杂志，841020-1023。
[13] Goodman，L.（1974）。使用可识别和不可识别模型进行探索性潜在结构分析。《生物特征》，第61期，第215-231页·Zbl 0281.62057号
[14] Huang，G.H.，Bandeen-Roche，K.（2004）。建立一个可识别的潜在类别模型，该模型对潜在变量和测量变量具有协变量效应。《心理测量学》，69，5-32·Zbl 1306.62433号
[15] Kalbfleisch，J.D.，Prentice，R.L.（1980）。失效时间数据的统计分析。新泽西州：威利·Zbl 0504.62096号
[16] Kim，D.、Lindsay，B.G.（2011年a）。有限混合模型中的模态模拟和可视化。加拿大统计杂志，39，421-437·Zbl 1284.62077号
[17] Kim，D.、Lindsay，B.G.（2011年B）。使用置信分布抽样可视化置信集。中国统计局，21923-948·Zbl 1213.62052号
[18] Kim，D.K.，Taylor，J.M.G.（1995年）。参数线性约束下最大似然估计的限制em算法。美国统计协会杂志，430708-716·Zbl 0826.62019号
[19] Lindsay，B.G.（1995年）。混合模型：理论、几何和应用。在NSF-CBMS概率与统计区域会议系列（第5卷）中。海沃德：数理统计研究所·Zbl 1163.62326号
[20] Liu，X.，Shao，Y.（2003）。可识别性损失下似然比检验的渐近性。统计年鉴，31807-832·兹比尔1032.62014
[21] Matsumoto，Y.（2002年）。莫尔斯理论导论。数学专著的翻译（第208卷）。普罗维登斯：美国数学学会·兹比尔0990.57001
[22] McLachlan，J.，Peel，D.（2000）。有限混合模型。纽约：Wiley·Zbl 0963.62061号
[23] Meeker，W.，Escobar，L.（1995）。基于最大似然估计的近似置信区域教学。《美国统计学家》，49，48-53。
[24] Redner，R.A.，Walker，H.C.（1984年）。混合密度、最大似然和em算法。SIAM评论，26195-239·Zbl 0536.62021号
[25] Roeder，K.（1994）。用于确定混合法线中组件数量的图形技术。美国统计协会杂志，89487-495·Zbl 0798.62004号
[26] Rothenberg，T.（1971）。参数模型中的标识。《计量经济学》，39，577-591·Zbl 0231.62081号
[27] Schelp，F.P.、Vivatanasept，P.、Sitaputra，P.，Sormani，S.、Pongpaew，P..、Vudhivai，N.等人（1990年）。儿童发病率与人体测量和社区卫生干预的关系。热带医学和寄生虫学，41，121-126。
[28] Schlattmann，P.（2005）。关于自举泊松分布有限混合中的分量数。《统计与计算》，第15期，第179-188页。
[29] Teicher，H.（1960年）。关于混合分布。《数理统计年鉴》，31，55-73·Zbl 0107.13501号
[30] Teicher，H.（1963年）。有限混合的可识别性。《数理统计年鉴》，341265-1269·Zbl 0137.12704号
[31] Titterington，D.M.、Smith，A.F.M.、Markov，U.E.（1985）。有限混合模型的统计分析。纽约：Wiley·兹伯利0646.62013
[32] Yakowitz，S.J.，Spragins，J.D.（1968年）。关于有限混合的可识别性。《数理统计年鉴》，39209-214·Zbl 0155.25703号
[33] Yao，W.，Lindsay，B.G.（2009年）。用最高后验密度进行贝叶斯混合标记。美国统计协会杂志，104758-767·Zbl 1388.62007号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。