Assessing the accuracy of the maximum likelihood estimator: Observed versus expected Fisher information
最大似然估计精度评估：观测与期望 Fisher 信息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：摘要讨论单参数似然推断与 Fisher 信息的一般理论，没有足够依据归入所列具体领域。
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
最大似然估计精度评估：观测与期望 Fisher 信息
- 研究问题
- 在单参数模型中，用观测信息还是期望信息近似最大似然估计的方差更合适，条件推断能提供什么频率学解释？
- 方法与思路
- 作者通过适当辅助统计量下的条件方差分析比较两类信息量，以多个例子补充理论，并讨论似然比置信限。
- 材料陈述的贡献
- 摘要称，观测信息用于方差评估可获得条件频率学论证，所给证据也支持采用似然比方法构造置信限。
- 阅读关注点
- 应核对辅助统计量的构造、条件方差近似的精度与适用条件，以及例子如何支持信息量和置信限方法的选择。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；参数和信息量符号出现乱码，需查原 PDF，不重构公式，也不能推断一般多参数结论。
原文摘要
This paper concerns normal approximations to the distribution of the maximum likelihood estimator in one-parameter families. The traditional variance approximation is 1/§, where θ is the maximum likelihood estimator and § is the expected total Fisher information. Many writers, including R. A. Fisher, have argued in favour of the variance estimate 1/I(x), where I(x) is the observed information, i.e. minus the second derivative of the log likelihood function at θ given data x. We give a frequentist justification for preferring 1/I(x) to 1/§. The former is shown to approximate the conditional variance of 8 given an appropriate ancillary statistic which to a first approximation is I(x). The theory may be seen to flow naturally from Fisher's pioneering papers on likelihood estimation. A large number of examples are used to supplement a small amount of theory. Our evidence indicates preference for the likelihood ratio method of obtaining confidence limits.