矩阵微分计算及其在统计学中的应用...
5星
- 浏览量: 0
- 大小:None
- 文件类型：None
简介：
本文探讨了矩阵微分的基本理论，并深入分析其在复杂统计模型与机器学习算法优化问题中的实际应用价值。
以下是修订后的段落：
第15章 最大似然估计
1. 引言 . . . . . . . . 351
2. 最大似然法（ML）概述 . . . 351
3. 多元正态分布的最大似然估计 352
4. 对称性：隐式与显式的处理方法比较 354
5. 正定性的处理方式 355
6. 信息矩阵 356
7. 具有不同均值的多元正态分布的最大似然估计 . . . . . . . 357
8. 多元线性回归模型 358
9. 错误变量模型 361
10. 正态误差下的非线性回归模型 364
11. 特殊情况：均值和方差参数的功能独立处理 . . . . . . . 365
12. 定理6的推广 366
附录题: 368
参考文献:. .. ... ....... 370
第16章 同时方程估计
1. 引言 . . . 371
2. 同时机模型概述 371
3. 标识问题 373
4. 只有B和Γ上的线性约束的标识 375
5. B，Γ 和Σ 上的线性约束的标识 . . . . . . 375
6. 非线性约束 377
7. 全信息最大似然估计（FIML）：一般情况的信息矩阵 378
8. FIML: 特殊情况下渐近方差矩阵的推导 . . . 380
9. 极大似然限制性信息法(LIML) :一阶条件 383
10. LIML：信息矩阵 386
11. LIML: 渐近方差矩阵的推导 388
参考文献:. . ... ....... 393
全部评论 (0)
