论文部分内容阅读
本文主要研究异方差正态混合模型的检验问题,运用了广义极大似然估计(GLME),改进广义似然比检验(GLRT),使其也适用于异方差正态混合模型。由于RE-Bayes软件的函数只能计算同方差混合模型,故在异方差正态混合模型中,我们取得样本方差的下界σ0,利用卷积公式将异方差的混合模型转化成同方差混合模型,本文第三章理论验证了同方差混合模型与异方差混合模型的等价性,从而解决了异方差GLRT的计算问题。第四章进行数值模拟,在模拟之前要提供样本方差的下界σ0,但由于方差大小的未知性,无法提供一个可靠的下界。通过模拟发现,下界的错误设定对GLRT的功效无影响。本文在此对σ0的选取提供数据依据,得到合适的下界。为了展现GLRT的功效,在四种环境下进行数值模拟:第一种是稀疏环境;第二种是非常稀疏的环境;第三种是稠密的环境;第四种是在两个参数都不确定的环境。在这四种环境下比较GLRT与其他方法的功效,得出的结论是GLRT方法功效更好更稳健。