论文部分内容阅读
在工程技术、生物医学以及其它许多实际领域中，存在一些不可直接观测的变量。因为由于自然环境或者问题本质的限制，这个变量的观测值通常带有误差。如果需要从这个变量的观测数据来推测相关问题的性质时，采用反褶积模型来估计这个变量的分布或密度函数显的尤为重要。本文的做法是将这一未知分布函数设为高斯混合分布的形式，对其中参数进行估计，以解决这一变量的分布的估计问题。本文对这一问题采用bootstrap模拟方法得出分布函数的估计，并进一步建立该分布函数的非参bootstrap百分位区间。在数值试验中将我们的处理方式与传统的EM算法得到的分布估计和正态逼近区间作比较，数值结果表明用bootstrap模拟方法得到的准确度更好，数值效果更理想。