Estimation and Hypothesis Testing in Finite Mixture Models
有限混合模型中的估计与假设检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用有限混合模型的估计与检验，未明确涉及离散选择、结构估计或其他所列应用方向，故不指定细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
有限混合模型中的估计与假设检验
- 研究问题
- 样本量不大且混合分量数尚不确定时，如何处理联合估计混合权重与分量参数所导致的似然比检验困难，并开展参数估计？
- 方法与思路
- 作者为混合权重设置先验并将其积分消去，再最大化关于分量分布参数的边际似然，同时讨论使用 EM 算法的计算问题。
- 材料陈述的贡献
- 摘要提出一种先积分混合权重、再估计分量参数的方法，讨论其优势与后续研究方向，并通过两个例子展示该技术。
- 阅读关注点
- 核对混合权重先验、边际似然构造、分量数检验如何实施，以及 EM 算法的更新方式、可识别性与两个例子的比较标准。
- 阅读边界
- 仅据所给 Crossref 摘要版本；摘要未说明检验参考分布、误差控制或优势成立的条件，也未提供两个例子的数值结果。
原文摘要
SUMMARY Finite mixture models are a useful class of models for application to data. When sample sizes are not large and the number of underlying densities is in question, likelihood ratio tests based on joint maximum likelihood estimation of the mixing parameter, λ, and the parameter of the underlying densities, θ, are problematical. Our approach places a prior distribution on λ and estimates θ by maximizing the likelihood of the data given θ with λ integrated out. Advantages of this approach, computational issues using the EM algorithm and directions for further work are discussed. The technique is applied to two examples.