Concentration inequalities of MLE and robust MLE
最大似然估计与稳健最大似然估计的集中不等式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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要提供一般独立同分布统计估计理论，没有明确涉及所列微观、宏观或金融研究方向。
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
最大似然估计与稳健最大似然估计的集中不等式
- 研究问题
- 对于独立同分布观测，最大似然估计能获得怎样的显式常数集中界与预言不等式，较弱矩条件下又能否稳健化？
- 方法与思路
- 作者在指数矩条件下研究常规最大似然估计，并在稳健设定中采用对数截断的最大似然估计，分析二阶矩条件下的误差界。
- 材料陈述的贡献
- 摘要称获得常数明确且尖锐的集中不等式与预言不等式，并为对数截断估计推导次高斯型预言不等式。
- 阅读关注点
- 应核对指数矩与二阶矩条件的具体对象、参数空间及损失定义，以及显式常数、截断调节方式和尖锐性的比较依据。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审或期刊接收未经核实；摘要未展示定理完整条件，不能据此推广到依赖数据或任意模型。
原文摘要
The Maximum Likelihood Estimator (MLE) serves an important role in statistics and machine learning. In this article, for i.i.d. variables, we obtain constant-specified and sharp concentration inequalities and oracle inequalities for the MLE only under exponential moment conditions. Furthermore, in a robust setting, the sub-Gaussian type oracle inequalities of the log-truncated maximum likelihood estimator are derived under the second-moment condition.