Maximum Likelihood Estimation from Grouped Poisson Data
分组 Poisson 数据的极大似然估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般分组计数数据的似然求解，未明确涉及离散选择或其他所列细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
分组 Poisson 数据的极大似然估计
- 研究问题
- 当 Poisson 数据仅以分组样本形式记录时，似然方程何时存在唯一解，逐次逼近算法又在什么条件下收敛到该解？
- 方法与思路
- 作者先给出分组数据似然方程唯一解存在的充分条件，再分析逐次逼近序列收敛的充要条件，并处理连续分组的 Poisson 情形。
- 材料陈述的贡献
- 摘要称在所述连续分组且样本不完全集中于首尾组的条件下，逐次逼近从任意起点收敛，并给出一般的存在及收敛条件。
- 阅读关注点
- 应核对分组相连的准确含义、首尾组样本限制、迭代映射及允许的起点，并区分存在性充分条件与收敛充要条件。
- 阅读边界
- 依据版本未注明的索引摘要；具体条件和迭代公式未给出，唯一似然方程解与极大似然解的对应关系仍需核对原文。
原文摘要
In this article, sufficient conditions are given for the existence of a unique solution of the likelihood equation which results from a grouped data sample. The necessary and sufficient conditions for the convergence of a sequence defined by the method of successive approximations to this unique solution are also given. Finally, it is shown that when the groups from an underlying Poisson distribution are connected the method of successive approximations will converge to the unique solution of the resulting likelihood equation regardless of the starting value chosen provided that the sample is not concentrated entirely in either or both the first and last groups.