On Asymptotic Posterior Normality for Stochastic Processes
随机过程参数后验分布的渐近正态性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：摘要仅讨论一般随机过程的后验理论，未明确限定为时间序列计量模型。
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
随机过程参数后验分布的渐近正态性
- 研究问题
- 随机过程参数的后验渐近正态性需要哪些条件，这些条件与最大似然估计一致性及渐近正态性的要求有何差异？
- 方法与思路
- 作者研究随机过程下后验分布的渐近性质，并比较保证后验正态性与保证最大似然估计正态性所需的条件。
- 材料陈述的贡献
- 摘要称后验渐近正态性的条件仅略强于最大似然估计一致性的条件，而估计量自身的渐近正态性要求明显更强。
- 阅读关注点
- 应核对后验中心化与尺度、先验限制、随机过程的条件，以及这种差异为何在经典独立同分布框架中不出现。
- 阅读边界
- 仅据所给 Crossref 摘要；具体条件、证明及过程实例未说明，不能将该条件比较直接推广到所有依赖数据模型。
原文摘要
Summary Asymptotic normality of the posterior distribution of a parameter in a stochastic process is shown to hold under conditions which do little more than ensure consistency of a maximum likelihood estimator. Much more stringent conditions are required to ensure asymptotic normality of the MLE. This contrast, which has implications of considerable significance, does not emerge in the classical context of independent and identically distributed observations.