Geometric Understanding of Likelihood Ratio Statistics
似然比统计量的几何理解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：摘要属于通用似然比渐近理论，没有对应给定领域细分的应用或模型依据。
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…
似然比统计量的几何理解
- 研究问题
- 似然比统计量的渐近卡方性质是否必须依赖最大似然估计的渐近正态性，能否从似然等高集的几何形状理解？
- 方法与思路
- 作者从似然等高集的扇形几何结构出发建立 Wilks 型结果，并将经典定理解释为等高集呈椭球形的情形。
- 材料陈述的贡献
- 摘要称几何视角扩展了似然比理论，使某些最大似然估计不渐近正态的情形仍可获得似然比的渐近卡方分布。
- 阅读关注点
- 应核对扇形等高集的严格定义、几何条件与极限分布的联系，以及非正态估计例子和经典 Wilks 定理的关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；扇形描述不是完整定理条件，不能据此认定所有非正则模型均有卡方极限。
原文摘要
It is well known that twice a log-likelihood ratio statistic follows asymptotically a chi-square distribution. The result is usually understood and proved via Taylor's expansions of likelihood functions and by assuming asymptotic normality of maximum likelihood estimators (MLEs). We obtain more general results by using a different approach: The Wilks type of results hold as long as likelihood contour sets are fan-shaped. The classical Wilks theorem corresponds to the situations in which the likelihood contour sets are ellipsoidal. This provides a geometric understanding and a useful extension of the likelihood ratio theory. As a result, even if the MLEs are not asymptotically normal, the likelihood ratio statistics can still be asymptotically chi-square distributed. Our technical arguments are simple and easily understood.