Identification of multitype branching processes
多类型分枝过程的识别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：摘要研究分枝过程的一般统计推断，未提供与所列计量领域细分直接对应的证据。
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
多类型分枝过程的识别
- 研究问题
- 研究如何为超临界多类型分枝过程中各类繁殖分布的均值与协方差矩阵构造渐近联合置信区域。
- 方法与思路
- 作者基于最大似然或多维 Lotka–Nagaev 均值估计量的二次大数律及相关中心极限定理构造推断方法。
- 材料陈述的贡献
- 摘要称解决了繁殖分布均值和协方差矩阵的渐近联合置信区域构造，并简要讨论向均值矩阵最小二乘估计的扩展。
- 阅读关注点
- 阅读全文应核对超临界过程的具体条件、观测信息要求、联合置信区域的构造，以及不同估计量的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明矩条件、过程存活的处理及有限样本覆盖表现。
原文摘要
We solve the problem of constructing an asymptotic global confidence region for the means and the covariance matrices of the reproduction distributions involved in a supercritical multitype branching process. Our approach is based on a central limit theorem associated with a quadratic law of large numbers performed by the maximum likelihood or the multidimensional Lotka–Nagaev estimator of the reproduction law means. The extension of this approach to the least squares estimator of the mean matrix is also briefly discussed. On résout le problème de construction d’une région de confiance asymptotique et globale pour les moyennes et les matrices de covariance des lois de reproduction d’un processus de branchement multitype et supercritique. Notre approche est bas ée sur un théorème de limite centrale associé à une loi forte quadratique vérifiée par l’estimateur du maximum de vraisemblance ou l’estimateur multidimensionnel de Lotka–Nagaev des moyennes des lois de reproduction. L’extension de cette approche à l’estimateur des moindres carrés de la matrice des moyennes est aussi brièvement commentée.