Asymptotic Ancillarity and Conditional Inference for Stochastic Processes
随机过程的渐近辅助性与条件推断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：摘要给出一般随机过程推断理论，未明确时间序列模型或宏观应用，领域细分证据不足。
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
随机过程的渐近辅助性与条件推断
- 研究问题
- 对一般随机过程，尤其是非遍历模型，何时在给定适当渐近辅助统计量后，得分与最大似然估计仍具有渐近正态性？
- 方法与思路
- 作者以观测信息的条件建立理论，研究随机标准化得分及最大似然估计的条件分布，并关联渐近辅助统计量。
- 材料陈述的贡献
- 摘要称给出了条件渐近正态性的充分条件，特别涵盖与观测信息渐近等价的渐近辅助统计量，适用于一般随机过程。
- 阅读关注点
- 应核对观测信息条件、随机标准化方式、辅助性与渐近等价的定义，以及非遍历模型中的条件极限如何解释。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；未说明具体正则条件和模型例子，不能推断所有非遍历过程均满足条件正态性。
原文摘要
Simple conditions on the observed information ensure asymptotic normality of the conditional distributions of the randomly normed score statistic and maximum likelihood estimator given a suitable asymptotically ancillary statistic. In particular, asymptotic normality holds conditional on any asymptotically ancillary statistic asymptotically equivalent to observed information. The results apply to inference from a general stochastic process and are of particular relevance in the case of nonergodic models.