Bayesian Likelihood Methods for Estimating the End Point of a Distribution
估计分布端点的贝叶斯似然方法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：摘要研究一般分布端点的统计估计，未说明风险管理、金融尾部或微观分布效应等具体背景。
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
估计分布端点的贝叶斯似然方法
- 研究问题
- 如何通过对位置参数施加先验来修正分布端点的似然估计，并在非正则情形下刻画估计误差与极限分布？
- 方法与思路
- 作者用具有一般形式的位置参数先验修改似然，研究收敛速度和极限分布，并建议以参数 bootstrap 量化估计精度。
- 材料陈述的贡献
- 摘要称，论文给出收敛速度与极限分布结果，指出非正则情形的极限分布非正态，并用多参数 Weibull 和 gamma 分布示例。
- 阅读关注点
- 应核对先验的具体形式及其对端点估计的影响，辨清正则与非正则条件，并检查参数 bootstrap 的精度评价依据。
- 阅读边界
- 仅据所给 Crossref 摘要；先验形式、收敛速度和 bootstrap 有效性条件未提供，不能推断端点估计普遍具有正态近似。
原文摘要
Summary We consider maximum likelihood methods for estimating the end point of a distribution. The likelihood function is modified by a prior distribution that is imposed on the location parameter. The prior is explicit and meaningful, and has a general form that adapts itself to different settings. Results on convergence rates and limiting distributions are given. In particular, it is shown that the limiting distribution is non-normal in non-regular cases. Parametric bootstrap techniques are suggested for quantifying the accuracy of the estimator. We illustrate performance by applying the method to multiparameter Weibull and gamma distributions.