非线性再生散度随机效应模型的极大似然估计及随机逼近算法

非线性再生散度随机效应模型包括了非线性随机效应模型和指数族非线性随机效应模型等．通过视模型中的随机效应为假想的缺失数据和应用Metropolis-Hastings(简称MH) 算法,提出了模型参数极大似然估计的随机逼近算法．模拟研究和实例分析表明了该算法的可行性．     

非线性再生散度随机效应模型的极大似然估计及EM算法

非线性再生散度随机效应模型是指数族非线性随机效应模型和非线性再生散度模型的推广和发展．通过视模型中的随机效应为假想的缺失数据和应用Metropolis-Hastings（MH）算法,提出了模型参数极大似然估计的Monte-Carlo EM（MCEM）算法,并用模拟研究和实例分析说明了该算法的可行性．