×

多元正态混合物的推断。 (英文) Zbl 1162.62052号

摘要:多元正态混合物为高维数据提供了一个灵活的模型。它们广泛应用于统计遗传学、统计金融和其他学科。由于似然函数的无界性,经典的基于似然的方法可能具有很好的实用性,但它们是不一致的。我们建议使用惩罚似然法来估计混合分布。我们证明了当分量个数有一个已知的上界时,最大惩罚似然估计是强相合的。我们还探索了一种计算最大惩罚似然估计量的方便EM算法。进行了大量的仿真,以探讨新方法和已批准的最大似然估计量的有效性和实际局限性。根据模拟结果提供指导。

MSC公司:

62甲12 多元分析中的估计
2012年12月62日 参数估计量的渐近性质
65C60个 统计中的计算问题(MSC2010)
10层62层 点估计
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] 蒂特林顿,医学博士。;A.F.M.史密斯。;Makov,U.E.,《有限混合分布的统计分析》(1985),Wiley:Wiley Chichester·Zbl 0646.62013.中
[2] Lindsay,B.G.,《混合模型:理论、几何和应用》(1995),数理统计研究所:数理统计研究所海沃德·Zbl 1163.62326号
[3] MacLachlan,G.J。;Peel,D.,有限混合模型(2000),Wiley:Wiley纽约·Zbl 0963.62061号
[4] Fruhworth-Schnatter,S.,有限混合和马尔可夫转换模型(2006),Springer·Zbl 1108.6202号
[5] 斯科克,N。;Allison,D。;Thiel,B.,《人类遗传学研究中的混合分布》,《统计方法医学研究》,第5期,第155-178页(1996年)
[6] Tadesse,M。;Sha,N。;Vannucci,M.,高维数据聚类中的贝叶斯变量选择,J.Amer。统计师。协会,100,602-617(2005)·Zbl 1117.62433号
[7] 弗雷利,C。;Raftery,A.E.,多少簇?哪种聚类方法?基于模型的聚类分析的答案,《计算机杂志》,41,578-588(1998)·Zbl 0920.68038号
[8] Lin,S。;Biswas,S.,《利用混合分布模拟基因座异质性》,BMC遗传学,5,29(2004)
[9] Raftery,A.E。;Dean,N.,基于模型聚类的变量选择,J.Amer。统计师。协会,101,168-178(2006)·Zbl 1118.62339号
[10] 亚历山大(Alexandridis),R。;Lin,S。;Irwin,M.,使用基因表达数据的混合建模对肿瘤样本进行分类发现和分类统一方法,生物信息学,202545-2552(2004)
[11] 林赛,B.G。;Basak,P.,《多元正态混合物:快速一致的矩方法》,J.Amer。统计师。协会,86,468-476(1993)·Zbl 0773.62037号
[12] Day,N.E.,估计正态分布混合的成分,生物特征,56,463-474(1969)·Zbl 0183.48106号
[13] Hathaway,R.J.,正态混合分布最大似然估计的约束公式,《统计年鉴》。,13, 795-800 (1985) ·Zbl 0576.62039号
[14] Tan,X。;陈,J。;Zhang,R.,有限正态混合模型中约束最大似然估计的一致性,(2007,美国统计协会学报(2007),美国统计学会:美国统计协会,弗吉尼亚州亚历山大市),2113-2119,[CD-ROM]·Zbl 0473.76118号
[15] Ingrassia,S.,多元正态混合模型的基于似然的约束算法,统计方法应用。,13, 151-166 (2004) ·兹比尔1205.62066
[16] Ray,S。;Lindsay,B.G.,《多元正态混合物的地形》,Ann.Statist。,33, 2042-2065 (2005) ·Zbl 1086.62066号
[17] Green,P.J.,《关于使用EM算法进行惩罚似然估计》,J.Roy。统计师。Soc.序列号。B、 52、443-452(1990)·Zbl 0706.62022号
[18] 艾格蒙特,P.B。;LaRiccia,V.N.,《最大惩罚可能性估计》,第一卷(2001),Springer:Springer New York·Zbl 0984.62026号
[19] 陈,J。;Tan,X。;Zhang,R.,均值和方差正态混合的推断,统计学。Sinica,18,443-465(2008)·兹比尔1135.62018
[20] Lehmann,E.L.,《点估计理论》(1983),John Wiley&Sons·Zbl 0522.62020号
[21] Wu,C.-F.关于EM算法的收敛性,Ann.Statist。,11, 95-103 (1983) ·Zbl 0517.62035号
[22] 理查德·R·A。;Walker,H.F.,《混合密度、最大似然和EM算法》,SIAM Rev.,26195-239(1984)·Zbl 0536.62021号
[23] 詹姆斯·W·。;Stein,C.,(Neyman,J.,《用二次损失进行估算》,《伯克利第四交响乐团数学统计学报》,《概率论》,第1卷(1961年),加利福尼亚大学出版社:加利福尼亚大学伯克利出版社,加利福尼亚州),361-379·Zbl 1281.62026号
[24] Wald,A.,《关于最大似然估计一致性的注释》,Ann.Math。统计学。,20, 595-601 (1949) ·Zbl 0034.22902号
[25] 基弗,J。;Wolfowitz,J.,无限多附带参数存在下最大似然估计的一致性,《数学年鉴》。统计学。,27, 887-906 (1956) ·Zbl 0073.14701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。