Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:0709.0957

帮助 | 高级搜索

数学 > 统计理论

arXiv:0709.0957 (math)
[提交于 2007年9月6日 ]

标题: 计算和定位多项式系统最大似然方程的解,II:Behrens-Fisher问题

标题: Counting and Locating the Solutions of Polynomial Systems of Maximum Likelihood Equations, II: The Behrens-Fisher Problem

Authors:Max-Louis G. Buot, Serkan Hosten, Donald St. P. Richards
摘要: Let $\mu$ be a $p$-dimensional vector, and let $\Sigma_1$ and $\Sigma_2$ be $p \times p$ positive definite covariance matrices. 在分别从两个独立的多元正态总体 $N_p(\mu,\Sigma_1)$ 和 $N_p(\mu,\Sigma_2)$ 中抽取大小为 $N_1$ 和 $N_2$ 的随机样本时,Behrens-Fisher 问题旨在求解似然方程以估计未知参数 $\mu$、$\Sigma_1$ 和 $\Sigma_2$。 我们将证明,对于$N_1, N_2 > p$,几乎必然地恰好有$2p+1$个复数似然方程解。 当$p = 2$时,我们利用蒙特卡洛模拟来估计典型 Behrens-Fisher 问题具有多重实数解的相对频率;我们发现多重实数解发生的频率很低。
摘要: Let $\mu$ be a $p$-dimensional vector, and let $\Sigma_1$ and $\Sigma_2$ be $p \times p$ positive definite covariance matrices. On being given random samples of sizes $N_1$ and $N_2$ from independent multivariate normal populations $N_p(\mu,\Sigma_1)$ and $N_p(\mu,\Sigma_2)$, respectively, the Behrens-Fisher problem is to solve the likelihood equations for estimating the unknown parameters $\mu$, $\Sigma_1$, and $\Sigma_2$. We shall prove that for $N_1, N_2 > p$ there are, almost surely, exactly $2p+1$ complex solutions of the likelihood equations. For the case in which $p = 2$, we utilize Monte Carlo simulation to estimate the relative frequency with which a typical Behrens-Fisher problem has multiple real solutions; we find that multiple real solutions occur infrequently.
评论: 发表于《Statistica Sinica》
主题: 统计理论 (math.ST) ; 代数几何 (math.AG); 计算 (stat.CO)
MSC 类: 62F99; 14Q99
引用方式: arXiv:0709.0957 [math.ST]
  (或者 arXiv:0709.0957v1 [math.ST] 对于此版本)
  https://doi.org/10.48550/arXiv.0709.0957
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Serkan Hosten [查看电子邮件]
[v1] 星期四, 2007 年 9 月 6 日 21:03:00 UTC (15 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math
< 上一篇   |   下一篇 >
新的 | 最近的 | 2007-09
切换浏览方式为:
math.AG
math.ST
stat
stat.CO
stat.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号