Finding Sampling Distributions by a Recognition Method
通过识别法求取抽样分布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：摘要属于充分性、完备性与抽样分布的一般统计理论，所列领域细分没有明确对应证据。
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…
关注这篇论文的作者
通过识别法求取抽样分布
- 研究问题
- 已知充分统计量对应的似然函数时，能否通过识别一个归一化因子，直接确定该统计量的抽样分布？
- 方法与思路
- 作者寻找使似然函数关于统计量成为密度的乘子，并以所识别密度族的完备性，确立其与真实抽样密度的关系。
- 材料陈述的贡献
- 摘要称，若识别出的密度族完备，该密度就是充分统计量的抽样密度，并以若干例子展示这种方法的简便性。
- 阅读关注点
- 应核对充分性和完备性的具体要求、乘子的构造及唯一性论证，并查看各例子的支持集和密度所依赖的测度。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；统计量符号存在提取异常，需查原 PDF，不能据此补写公式或推断条件。
原文摘要
Let [ttilde] be a statistic sufficient for a parameter θ and let L[θ;t) be the likelihood function of θ for given t. Suppose we recognize a function φ(t) such that L(θ;t) φ(t) regarded as a function of t for a given θ, is a density function. We show here that this is the sampling density of [ttilde] if the family of recognized densities is complete. Examples are given to illustrate that in many situations this recognition method provides a neat way of finding sampling distributions.