这是一个快速解答...
标准说明性示例
令是正态分布)的样本。既和是未知的。的最大似然估计,通过取对数似然的衍生物对于所得和等同于零,是
其中ÿ= (y1个,… ,yñ)N(μ, σ2μσ2σ2σ2
σ^2ML= 1ñ∑我= 1ñ(y一世- ÿ¯)2
y¯=1n∑ni=1yi是的最大似然估计量。我们可以证明
[
从重写开始μE(σ^2ML)=n−1nσ2.
σ^2ML 作为 ]。因此,有偏差。请注意,如果我们知道,那么的MLE
代替了估计中的未知均值。REML估计的直觉想法是最终可能包含上的所有信息,但不再包含上的信息。
1n∑ni=1((yi−μ)+(μ−y¯))2σ^2MLμσ2将是无偏的。因此,似乎与
我们已经替换的事实有关
σ^2MLx¯σ2μ
从技术上讲,REML可能性是原始数据线性组合的可能性:我们考虑的可能性代替的可能性K y K E [ K y ] = 0yKy,其中矩阵使得
。KE[Ky]=0
REML估计通常用于更复杂的混合模型环境中。每本有关混合模型的书都有一个章节,详细介绍了REML估算。
编辑
@乔·金:这里是我最喜欢的关于混合模型的书籍之一,可以在线完全获得。第2.4.2节处理估计方差成分。祝您阅读愉快:-)