Normal likelihoods and their relation to large sample theory of estimation
正态形似然及其与大样本估计理论的关系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：材料讨论似然与渐近估计的一般统计理论，未提供时间序列、因果、金融或其他所列领域的具体文本依据。
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
正态形似然及其与大样本估计理论的关系
- 研究问题
- 似然函数的形状如何帮助判断标准大样本估计理论何时可靠、何时可能误导，以及是否能通过变换改善近似？
- 方法与思路
- 作者考察正态形似然与渐近正态分布的联系，并依据变换对似然形状的影响，讨论改善渐近方法准确性的可能性。
- 材料陈述的贡献
- 摘要称，检查似然可辅助判断大样本理论的适用性，有时还能提示改善准确性的变换，从而扩展渐近方法的适用范围。
- 阅读关注点
- 应核对正态形似然的具体定义、适用性判断标准，以及建议变换的构造、误差评价和适用模型范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未给出判断阈值、变换公式或误差界，不能将似然检查当作普遍有效的保证。
原文摘要
Normal likelihoods are shown to be associated with asymptotic normal distributions of large sample theory. An examination of the likelihood function can indicate when standard large sample theory of estimation can be applied and when it may be inaccurate and misleading to do so. Transformations that improve the accuracy and so extend the domain of application of asymptotic methods can sometimes be suggested by their effect on the likelihood function. An examination of the likelihood function can therefore prove useful in the usual application of the frequency theory approach to estimation.