非线性再生散度随机效应模型的极大似然估计及随机逼近算法  

Maximum Likelihood Estimation in Nonlinear Reproductive Dispersion Mixed Models and Stochastic Approximation Algorithm

作　　者：张文专[1,2] 唐年胜[3] 王学仁[3] 

机构地区：[1]东南大学数学系 [2]贵州财经学院数学与统计学院,贵州贵阳550004 [3]云南大学应用统计研究中心

出　　处：《生物数学学报》2006年第2期270-278,共9页Journal of Biomathematics

基　　金：国家自然科学数学天元基金(10226005);云南省自然科学基金(2004A0002);贵州省教育厅自然科学基金(2005217);贵州省省长基金和东南大学博士后基金资助

摘　　要：非线性再生散度随机效应模型包括了非线性随机效应模型和指数族非线性随机效应模型等．通过视模型中的随机效应为假想的缺失数据和应用Metropolis-Hastings(简称MH) 算法,提出了模型参数极大似然估计的随机逼近算法．模拟研究和实例分析表明了该算法的可行性．Nonlinear reproductive dispersion models include exponential family nonlinear mixed models and Nonlinear reproductive dispersion models as their special cases. By treating the random effects in the models as hypothetical missing data, this paper proposes a stochastic approximation algorithm with Markov chain Monte-Carlo method for maximum likelihood estimation in the models. The proposed procedure is illustrated by a simulation study and a real example.

关 键 词：非线性再生散度随机效应模型 极大似然估计 Metropolis-Hastings算法 随机逼近算法 

分 类 号：O212.2[理学—概率论与数理统计]