政大機構典藏-National Chengchi University Institutional Repository(NCCUR):Item 140.119/60432
English  |  正體中文  |  简体中文  |  Post-Print筆數 : 27 |  全文笔数/总笔数 : 110934/141854 (78%)
造访人次 : 47789611      在线人数 : 845
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜寻范围 查询小技巧：
  • 您可在西文检索词汇前后加上"双引号"，以获取较精准的检索结果
  • 若欲以作者姓名搜寻，建议至进阶搜寻限定作者字段，可获得较完整数据
    •  进阶搜寻
    政大機構典藏 > 商學院 > 統計學系 > 學位論文 >  Item 140.119/60432


    请使用永久网址来引用或连结此文件: https://nccur.lib.nccu.edu.tw/handle/140.119/60432


    题名: 凸函數最佳化在統計問題上的應用
    Convex optimization: A statistical application
    作者: 劉世凰
    贡献者: 薛慧敏
    郭訓志
    劉世凰
    关键词: 凸函數最佳化
    互補差餘條件
    受限最大概似估計量
    日期: 2009
    上传时间: 2013-09-05 15:10:45 (UTC+8)
    摘要: 近年來，凸函數最佳化相關的理論與實務已漸趨完善並廣泛應用在各種不同的領域上。已知針對限制條件下之最大概似估計量（Maximum Likelihood Estimator，簡寫MLE）求解的統計問題，一般都是先求解在無限制條件下之全域最大概似估計量（global MLE），若所求得之解能滿足給定的限制條件時，則代表我們的確得到所要的結果；但若所求得之解不能滿足限制條件時，我們就必須考量於此限制條件下之求解區域的最大概似估計量（local MLE），而其計算通常趨於複雜。在本研究中，我們嘗試藉由凸函數最佳化的理論與方法在受限最大概似估計量的求解上。首先針對一組2X2列聯表（contingency table）資料，給定限制條件為勝算比（odds ratio，簡寫OR）不小於1情況下，欲求各聯合機率之受限最大概似估計量。接下來則討論針對3X2列聯表資料，給定兩個區域勝算比（local OR）皆不小於1之限制條件，求取各聯合機率的受限最大概似估計量。我們最終整理歸納出一套分析方法，並將此歸納結果拓展到對於任意J不小於2之JX2列聯表中之受限最大概似估計量計算問題上。本研究中所提出的求解方法包括將決策變數重新參數化，忽略原始的線性限制等式，並另外在原始目標問題中加入某個懲罰項，使其新的最佳化問題滿足凸函數最佳化問題的條件。接下來利用凸函數最佳化之理論，列出其Karush-Kuhn-Tucker 條件，再藉其中的互補差餘條件(complementary slackness)來分析求得理論最佳解。最後我們得出當懲罰項之相對應的係數為n時，則其所求得之最佳解即為此統計問題中之受限最大概似估計量。
    參考文獻: 一、英文文獻
    1.Agresti, A. (2007), An Introduction to Categorical Data Analysis, 2nd ed., John Wiley and Sons, NY.
    2.Aldrich, J. (1997), R.A. Fisher and the making of maximum likelihood 1912–1922. Statistical Science, 12(3), 162-176.
    3.Boyd, S. and Vandenberghe, L. (2004), Convex Optimization, Cambridge
    University Press.
    4.Casella, G. and Berger, R. L. (2001), Statistical Inference, 2nd ed., Duxbury Press.
    5.Gao, W. and Shi, N. Z. (2005), Estimating cell probabilities under order-restricted
    odds ratios. Computational Statistics & Data Analysis, 49(1), 77-84.
    6.Harville, D. A. (1997), Matrix Algebra From A Statistician’s Perspective, Springer, NY.
    7.Huber, P. J. (1964), Robust estimation of a location parameter. The Annals of
    Mathematical Statistics, 35(1), 73-101.
    8.Iwasa, M. and Moritani, Y. (2002), Concentration probabilities for restricted and unrestricted MLEs. Journal of Multivariate Analysis, 80(1), 58-66.
    9.Jensen, J. L. W. V. (1906), Sur les fonctions convexes et les inegalites entre les valeurs moyennes. Acta Mathematica, 30, 175-193.
    10.Karmarkar, N. (1984), A New Polynomial Time Algorithm for Linear Programming. Combinatorica, 4(4), 373-395.
    11.Kuhn, H. W. and Tucker, A. W. (1951), Nonlinear programming, Proceedings of
    2nd Berkeley Symposium, University of California Press.
    12.Lindo System Inc. , http://www.lindo.com/ .
    13.Mehrotra, S. (1992), On the implementation of a primal-dual interior point method. SIAM Journal on Optimization, 2(4), 575-601.
    14.Nemirovski, A. (2001), Lectures on Modern Convex Optimization, Analysis, Algorithms, and Engineering Application, Society for Industrial and Applied Mathematics.
    15.Rockafellar, R. T. (1970), Convex analysis, Princeton University Press.
    16.Ross, S. M. (1999), An Introduction to Mathematical Finance: Options and Other Topics, Cambridge University Press.
    17.Scharf, L. L. (1991), Statistical Signal Processing. Detection, Estimation, and Time
    Series Analysis, Addison Wesley. With C´edric Demeure.
    18.Schölkopf, B. and Smola, A. (2001), Learning with Kernels: Support Vector Machines,
    Regularization, Optimization, and Beyond, MIT Press.
    19.Tibshirani, R. (1996), Regression shrinkage and selection via the lasso. Journal of the
    Royal Statistical Society, Series B, 58(1), 267-288.
    20.Tikhonov, A. N. and Arsenin, V. Y. (1977), Solutions of Ill-Posed Problems.V,
    H. Winston & Sons. Translated from Russian.
    21.Vapnik, V. (1995), The Nature of Statistical Learning Theory, Springer, NY.
    22.Vapnik, V. (1998), Statistical Learning Theory, John Wiley and Sons, NY.
    23.Whittle, P. (1971), Optimization under constraints, John Wiley and Sons, NY.

    二、中文文獻
    1. 廖慶榮（2006），作業硏究，華泰文化。
    描述: 碩士
    國立政治大學
    統計研究所
    97354014
    98
    資料來源: http://thesis.lib.nccu.edu.tw/record/#G0097354014
    数据类型: thesis
    显示于类别:[統計學系] 學位論文

    文件中的档案:

    档案 描述 大小格式浏览次数
    401401.pdf655KbAdobe PDF21316检视/开启


    在政大典藏中所有的数据项都受到原著作权保护.


    社群 sharing

    著作權政策宣告 Copyright Announcement
    1.本網站之數位內容為國立政治大學所收錄之機構典藏，無償提供學術研究與公眾教育等公益性使用，惟仍請適度，合理使用本網站之內容，以尊重著作權人之權益。商業上之利用，則請先取得著作權人之授權。
    The digital content of this website is part of National Chengchi University Institutional Repository. It provides free access to academic research and public education for non-commercial use. Please utilize it in a proper and reasonable manner and respect the rights of copyright owners. For commercial use, please obtain authorization from the copyright owner in advance.

    2.本網站之製作，已盡力防止侵害著作權人之權益，如仍發現本網站之數位內容有侵害著作權人權益情事者，請權利人通知本網站維護人員(nccur@nccu.edu.tw)，維護人員將立即採取移除該數位著作等補救措施。
    NCCU Institutional Repository is made to protect the interests of copyright owners. If you believe that any material on the website infringes copyright, please contact our staff(nccur@nccu.edu.tw). We will remove the work from the repository and investigate your claim.
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回馈