Parameter-Based Asymptotics
基于参数的渐近方法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：摘要研究指数族中的通用置信区间算法，未给出所列细分领域的明确应用对象，因此不作领域归类。
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
基于参数的渐近方法
- 研究问题
- 在多参数指数族中，如何以可接受的计算成本构造比常规最大似然正态近似区间具有更准确覆盖概率的置信区间？
- 方法与思路
- 作者开发用于计算高精度近似置信区间的算法，针对多参数指数族中的目标参数，以数值和理论论据考察算法表现。
- 材料陈述的贡献
- 摘要称所述高精度区间改善覆盖误差，算法计算量仅为常规区间的数倍，并报告现实情境下可能出现明显改进。
- 阅读关注点
- 应核对高阶覆盖精度所需条件、干扰参数的处理方式，以及计算成本和覆盖改进在各数值例子中如何定义与比较。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要，无法核实覆盖误差的具体阶数、适用正则条件或数值幅度；结论针对所述指数族框架。
原文摘要
Fisher's theory of maximum likelihood estimation routinely provides approximate confidence intervals for a parameter of interest θ, the standard intervals θ ^ ± zασ ^ where θ ^ is the maximum likelihood estimator, ô is an estimate of standard error based on differentiation of the log likelihood function, and zα is a normal percentile point. Recent work has produced systems of better approximate confidence intervals, which look more like exact intervals when exact intervals exist, and in general have coverage probabilities an order of magnitude more accurate than the standard intervals. This paper develops an efficient and dependable algorithm for calculating highly accurate approximate intervals on a routine basis, for parameters θ defined in the framework of a multiparameter exponential family. The better intervals require only a few times as much computational effort as the standard intervals. A variety of numerical and theoretical arguments are used to show that the algorithm works well, and that the improvement over the standard intervals can be striking in realistic situations.