非线性再生散度随机效应模型的极大似然估计及EM算法  

Maximum Likelihood Estimation in Nonlinear Reproductive Dispersion Mixed Models and EM Algorithm

作　　者：张文专[1,2] 王学仁[3] 

机构地区：[1]贵州财经学院数学与统计学院,贵州贵阳550004 [2]贵州省经济系统仿真重点实验室,贵州贵阳550004 [3]云南大学应用统计研究中心,云南昆明650091

出　　处：《生物数学学报》2009年第2期355-362,共8页Journal of Biomathematics

基　　金：国家自然科学基金资助项目(10761011);贵州省科学技术基金资助项目

摘　　要：非线性再生散度随机效应模型是指数族非线性随机效应模型和非线性再生散度模型的推广和发展.通过视模型中的随机效应为假想的缺失数据和应用Metropolis-Hastings(MH)算法,提出了模型参数极大似然估计的Monte-Carlo EM(MCEM)算法,并用模拟研究和实例分析说明了该算法的可行性.Nonlinear reproductive dispersion models are natural extensions of exponential family nonlinear mixed models and Nonlinear reproductive dispersion models. After treating the random effects in the models as hypothetical missing data, this paper proposes an EM 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 MCEM算法 MH算法 NEWTON Raphson迭代 

分 类 号：O212.1[理学—概率论与数理统计]