1) maximum penalized likelihood estimator
最大惩罚似然估计
2) penalized likelihood estimation
惩罚似然估计
3) penalized quasi-likelihood estimators
惩罚准似然估计
4) Penalized Quasi-Likelihood
惩罚伪似然估计
1.
Currently,the approximate estimation used in GLMMs is Penalized Quasi-Likelihood(PQL)and Marginal Quasi-Likelihood (MQL), However, neither of these parameter estimation methods expose some shortage in practical applications: although MQL is fast,but only consider fixed effect, When the va
目前常用的GLMMs参数估计方法为惩罚伪似然估计(Penalized Quasi-Likelihood,PQL)和边际伪似然估计(Marginal Quasi-Likelihood,MQL)。
5) penalized maximum likelihood
惩罚最大似然
6) Penalized maximum-likelihood estimation
受惩极大似然估计
补充资料：极大似然估计
极大似然估计法是求估计的另一种方法。它最早由高斯提出。后来为费歇在1912年的文章中重新提出，并且证明了这个方法的一些性质。极大似然估计这一名称也是费歇给的。这是一种上前仍然得到广泛应用的方法。它是建立在极大似然原理的基础上的一个统计方法，极大似然原理的直观想法是：一个随机试验如有若干个可能的结果A，B，C，%26#8230;。若在一次试验中，结果A出现，则一般认为试验条件对A出现有利，也即A出现的概率很大。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条