Maximum Likelihood Estimation from Grouped Poisson Data
分组泊松数据的极大似然估计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：摘要研究分组泊松数据的通用似然与算法性质，未提供所列经济或金融领域的直接分类依据。
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…
分组泊松数据的极大似然估计
- 研究问题
- 对于分组观测的泊松数据，似然方程何时存在唯一解，逐次逼近算法又在什么条件下收敛到该解？
- 方法与思路
- 作者分别分析似然方程唯一解的充分条件和逐次逼近序列收敛的充要条件，并专门讨论泊松分布分组连续相接的情形。
- 材料陈述的贡献
- 摘要称，泊松分组连续相接且样本不全落在首尾组或其并集时，逐次逼近不依赖起始值即可收敛到唯一解。
- 阅读关注点
- 应核对分组连续相接的正式定义、首尾组限制的准确表述，以及唯一解条件与迭代收敛条件之间的关系。
- 阅读边界
- 所给材料为版本未注明的 OpenAlex 索引摘要；一般条件、迭代公式及证明未提供，不能将特定分组下的收敛结论任意推广。
原文摘要
In this article, sufficient conditions are given for the existence of a unique solution of the likelihood equation which results from a grouped data sample. The necessary and sufficient conditions for the convergence of a sequence defined by the method of successive approximations to this unique solution are also given. Finally, it is shown that when the groups from an underlying Poisson distribution are connected the method of successive approximations will converge to the unique solution of the resulting likelihood equation regardless of the starting value chosen provided that the sample is not concentrated entirely in either or both the first and last groups.