Non-finite Fisher information and homogeneity: an EM approach
非有限 Fisher 信息与同质性检验：一种 EM 方法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：摘要讨论有限混合模型的通用非正则检验，没有明确的给定领域细分依据。
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…
关注这篇论文的作者
非有限 Fisher 信息与同质性检验：一种 EM 方法
- 研究问题
- 当有限混合模型不满足 Fisher 信息有限性或混合参数空间紧致性等常规条件时，如何进行同质性检验？
- 方法与思路
- 作者提出并研究 EM 检验统计量，针对几何分布、指数分布及尺度族混合模型的非正则情形分析其极限分布。
- 材料陈述的贡献
- 摘要称，文中例子的检验具有简单极限分布；模拟显示第一类错误控制准确，且在既有方法适用时具有效率优势。
- 阅读关注点
- 应核对检验统计量的具体构造、不同混合模型的极限分布，以及非有限信息情形下仍需满足的条件和比较标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不能将文中例子的结论推广到所有混合模型，也不能推断刊本变化。
原文摘要
Even simple examples of finite mixture models can fail to fulfil the regularity conditions that are routinely assumed in standard parametric inference problems. Many methods have been investigated for testing for homogeneity in finite mixture models, for example, but all rely on regularity conditions including the finiteness of the Fisher information and the space of the mixing parameter being a compact subset of some Euclidean space. Very simple examples where such assumptions fail include mixtures of two geometric distributions and two exponential distributions, and, more generally, mixture models in scale distribution families. To overcome these difficulties, we propose and study an em-test statistic, which has a simple limiting distribution for examples in this paper. Simulations show that the em-test has accurate Type I errors and is more efficient than existing methods when they are applicable. A real example is included.