Maximum lilkelihood estimation in the $\beta$-model
β 模型中的最大似然估计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：摘要直接研究无向随机图的度序列及网络模型参数估计，与网络计量方向相关。
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…
β 模型中的最大似然估计
- 研究问题
- 在以度序列为最小充分统计量的无向随机图 β 模型中，最大似然估计何时存在，何时出现不可估计问题？
- 方法与思路
- 作者利用度序列多面体给出最大似然估计存在的充要条件，并通过组合刻画分析导致估计不存在的样本点。
- 材料陈述的贡献
- 摘要称刻画了最大似然估计不存在时的概率参数不可估计问题，并给出节点数增长时估计以高概率存在的条件。
- 阅读关注点
- 应核对度序列多面体的边界判据、哪些概率参数不可估计，以及高概率存在结论对图序列所施加的限制。
- 阅读边界
- 仅据版本未注明的索引摘要；存在性条件与参数增长限制未展开，不能认定所有大型或稀疏网络都有有限最大似然估计。
原文摘要
We study maximum likelihood estimation for the statistical model for undirected random graphs, known as the $\beta$-model, in which the degree sequences are minimal sufficient statistics. We derive necessary and sufficient conditions, based on the polytope of degree sequences, for the existence of the maximum likelihood estimator (MLE) of the model parameters. We characterize in a combinatorial fashion sample points leading to a nonexistent MLE, and nonestimability of the probability parameters under a nonexistent MLE. We formulate conditions that guarantee that the MLE exists with probability tending to one as the number of nodes increases.