Asymptotic Distributions of Maximum Likelihood Tests for Change in the Mean
均值变化最大似然检验的渐近分布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：摘要直接研究均值变点检验，属于结构变化方法，但未提供宏观应用或序列相关设定。
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…
关注这篇论文的作者
均值变化最大似然检验的渐近分布
- 研究问题
- 对于独立随机变量的均值变化检验，最大似然检验统计量具有怎样的极限分布，其尾部表现如何得到解释？
- 方法与思路
- 作者研究均值变化的最大似然检验，证明其极限分布为 Gumbel 分布，并以相关结果解释摘要所称的尾部检验能力。
- 材料陈述的贡献
- 摘要称，论文确立了该类最大似然检验的 Gumbel 极限分布，并解释最大似然方法为何在尾部具有较强表现。
- 阅读关注点
- 应核对变量分布与矩条件、统计量的中心化和尺度调整、候选变点范围，以及摘要中“尾部”具体指向何种位置或情形。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；摘要未说明归一化、成立条件或“尾部”的含义，不能直接推广到相关时间序列。
原文摘要
For the maximum likelihood tests for a change in the mean of independent random variables, it is proved that the limit distribution is a double exponential, i.e. Gumbel, distribution. Our results also explain why the maximum likelihood methods are very powerful on the tails.