论文部分内容阅读
本文主要运用了广义极大似然估计（GMLE）来研究错误原假设比例的估计问题，并对三种错误原假设比例的估计方法加以改进。GMLE是在经验贝叶斯问题中估计先验分布[10,14]。关于GMLE的计算问题，我们采用EM算法来得到权重迭代表达式；但是由于EM算法收敛较慢，权重迭代需要选取一个较好的初始估计。从理论上说，任何合理的估计都可以作为权重的初始估计。因为零点权重的初始估计可以转化为错误原假设的比例估计，所以第四章回顾了三种错误原假设的估计方法，并且简单描述了估计量的构造思想。第一种是基于频率变化的估计方法[8]，第二种是基于原假设p-value分布的估计方法[13]，第三种是基于Bernoulli分布的估计方法[17]。最后我们对三种方法进行改进，提出了GMLE估计方法。为了说明GMLE方法的估计效果，我们进行了数据模拟，并比较改进前后的估计效果。最终得出的结论是改进后的GMLE方法的估计值要更接近真实值，改进具有显著效果。