Geometrical theory of asymptotic ancillarity and conditional inference
渐近辅助性与条件推断的几何理论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：摘要属于弯曲指数族的通用高阶推断理论，未提供对应所列应用性计量细分领域的证据。
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…
关注这篇论文的作者
渐近辅助性与条件推断的几何理论
- 研究问题
- 在多参数弯曲指数族中，如何定义并构造高阶渐近辅助统计量，以及描述有效估计量的渐近条件分布？
- 方法与思路
- 作者应用微分几何，以一参数族仿射联络和子空间曲率组织高阶理论，并借助模型与辅助子空间的曲率描述条件分布。
- 材料陈述的贡献
- 摘要称，几何方法可显式构造高阶渐近辅助统计量，并用模型的指数曲率及辅助子空间的混合曲率表达估计量条件分布。
- 阅读关注点
- 应核对高阶辅助性的定义、仿射联络参数的作用、辅助子空间与估计量的联系，以及条件分布近似的阶数和条件。
- 阅读边界
- 仅依据 OpenAlex 索引摘要，稿件版本未注明；摘要未提供具体几何公式、正则条件或误差阶，不能推断一般模型中的结论。
原文摘要
Differential geometry is applied to the problems of defining higher-order asymptotic ancillarity and of obtaining the asymptotic conditional distribution of an efficient estimator in multiparameter curved exponential families. It is shown that a fundamental role is played in the asymptotic theory of estimation by a one-parameter family of affine connexions and curvatures of subspaces. Asymptotic ancillary statistics of higher order are explicitly constructed with the help of the geometry. The conditional distribution of an estimator is given in terms of the exponential curvature of the model and the mixture curvature of the ancillary subspaces associated with the estimator.