The Asymptotics of Maximum Likelihood and Related Estimators Based on Type II Censored Data
基于 II 型删失数据的极大似然及相关估计量的渐近性质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：摘要研究删失样本下的一般渐近估计理论，未明确对应所列经济计量细分领域。
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 II 型删失数据的极大似然及相关估计量的渐近性质
- 研究问题
- 在 II 型删失样本下，如何建立参数估计相关函数的渐近正态性与一致强收敛，并分析极大似然及修正估计量？
- 方法与思路
- 作者提供处理相关函数渐近性质的简明程序，将其用于极大似然估计，并分析若干修正极大似然估计量。
- 材料陈述的贡献
- 摘要称，文章给出极大似然渐近性质的严谨处理，并为特定修正估计量提供一致性、极限正态性条件和效率评价。
- 阅读关注点
- 应核对 II 型删失的样本设定、渐近过程中删失比例的处理，以及函数收敛结果如何转化为估计量性质。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未列出正则条件、删失比例或效率结果，不能判断其他删失机制下是否成立。
原文摘要
Some simple procedures are provided for establishing the asymptotic normality and uniform strong convergence of a class of functions that arise in the context of estimating parameters from a Type II censored sample. These lead to an elementary yet rigorous treatment of the asymptotic properties of maximum likelihood estimators based on Type II censored data. Further applications include the treatment of asymptotics of some modified maximum likelihood (MML) estimators. In particular, conditions are provided for the consistency and limiting normality of the MML estimators of Mehrotra and Nanda, and the asymptotic efficiencies of these estimators are evaluated.