Parameter-based asymptotics
基于参数的渐近方法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：摘要研究指数族参数置信区间的一般算法，未提供对应所列计量领域细分的依据。
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
基于参数的渐近方法
- 研究问题
- 在多参数指数族中，如何以可接受的计算成本，为感兴趣参数构造比常规最大似然正态近似区间更准确的置信区间？
- 方法与思路
- 作者发展用于计算高精度近似区间的算法，以多参数指数族中的目标参数为对象，并通过数值与理论论证考察算法表现。
- 材料陈述的贡献
- 摘要称算法可常规化计算改进区间，计算量仅为标准方法的数倍，并在现实情形中可能显著改善覆盖概率的准确性。
- 阅读关注点
- 应核对区间构造、目标参数与干扰参数的处理、误差阶及算法稳定性，并确认计算成本和覆盖改善所依赖的模型条件。
- 阅读边界
- 仅依据稿件版本未注明的 OpenAlex 摘要；区间表达式存在符号排版异常，需查原 PDF；不能据此重构公式或认定所有模型均有相同改善。
原文摘要
Fisher's theory of maximum likelihood estimation routinely provides approximate confidence intervals for a parameter of interest θ, the standard intervals θ ^ ± zασ ^ where θ ^ is the maximum likelihood estimator, ô is an estimate of standard error based on differentiation of the log likelihood function, and zα is a normal percentile point. Recent work has produced systems of better approximate confidence intervals, which look more like exact intervals when exact intervals exist, and in general have coverage probabilities an order of magnitude more accurate than the standard intervals. This paper develops an efficient and dependable algorithm for calculating highly accurate approximate intervals on a routine basis, for parameters θ defined in the framework of a multiparameter exponential family. The better intervals require only a few times as much computational effort as the standard intervals. A variety of numerical and theoretical arguments are used to show that the algorithm works well, and that the improvement over the standard intervals can be striking in realistic situations.