M.R.奥斯本。 最大似然问题中的最小二乘法。 (英语) Zbl 1116.65007号 最佳方案。方法软件。 21,第6期,943-959(2006). 作者表明,最小二乘框架适用于通过最大化一类重要的对数似然来估计参数的Fisher评分方法。这些方法包括用于解决非线性最小二乘问题的Gauss-Newton算法,但也包括与离散概率分布相关的可能性的参数估计问题。比较了线搜索法和信赖域法在这些方法实现中的性能。针对Gauss-Newton修正的Levenberg修正变体,公布了良好的收敛特性[参见。J.J.莫雷,莱克特。数学笔记。630, 105–116 (1978;Zbl 0372.65022号),M.R.奥斯本,J.Aust。数学。Soc.,Ser.公司。B 19,343–357(1997年;Zbl 0364.90100号)]有助于提请人们注意一般信任区方法的潜在优势。总的来说,这些优势并没有被否定,但这表明,在这种特定的环境中,优势并不像人们最初想象的那么大。审核人:罗德萨·霍尔瓦·托博科(布达佩斯) MSC公司: 65C60个 统计中的计算问题(MSC2010) 10层62层 点估计 90摄氏51度 内部点方法 65H10型 方程组解的数值计算 关键词:高斯-纽顿法;费舍尔得分;最小二乘公式;行搜索实现;信托区域实施;数值比较;对数可能性;参数估计;汇聚 引文:Zbl 0364.90100号;Zbl 0372.65022号 软件:mctoolbox软件 PDF格式BibTeX公司 XML格式引用 \textit{M.R.Osborne},Optim(Optim)。方法软件。21,第6号,943--959(2006;Zbl 1116.65007) 全文: DOI程序 参考文献: [1] Levenberg K.,《应用数学季刊》2第164页–(1944) [2] Moré,J.J.1978。Levenberg–Marquardt算法:实现与理论。数学课堂讲稿,编辑:Watson,G.A.Vol.630,105-116。海德堡:Springer Verlag。 [3] Osborne M.R.,《澳大利亚数学学会杂志》,B辑19 pp 343–(1997)·Zbl 0364.90100号 ·doi:10.1017/S033427000000120X [4] Kendall M.G.,《高级统计学理论2》(1967年) [5] Fletcher R.,实用优化方法:无约束优化1(1980)·Zbl 0439.93001号 [6] Osborne M.R.,《国际统计评论》86,第271页–(1992) [7] Higham N.J.,《数值算法的准确性和稳定性》(1996年)·Zbl 0847.65010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。