Maximum Likelihood Estimation from Linear Combinations of Discrete Probability Functions
离散概率函数线性组合的最大似然估计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：摘要研究离散概率模型的通用估计，离散数据本身不足以归入离散选择。
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
离散概率函数线性组合的最大似然估计
- 研究问题
- 对一类特殊的离散概率函数线性组合，样本分类信息是否完整如何影响参数最大似然估计的计算与渐近性质？
- 方法与思路
- 作者区分完全分类与不完全分类样本，前者分别估计组成概率函数的参数，后者以迭代程序转化为完全数据问题。
- 材料陈述的贡献
- 摘要称完全分类时计算复杂程度不超过分别估计各组成部分，并说明不完全分类时的迭代求解方式，讨论所得估计量的渐近性质。
- 阅读关注点
- 应核对特殊线性组合的约束、分类信息的含义、迭代更新步骤，以及解的存在性、可识别性与渐近结论的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明具体渐近性质或迭代收敛保证。
原文摘要
In this article the problem of obtaining the maximum likelihood estimates of the parameters from a special type of linear combination of discrete probability functions is discussed. It is shown that when the sample is completely categorized the estimation problem is no more complicated that that of estimating the parameters of each of the component probability functions separately. When the sample is less than completely classified an iterative procedure must be used to obtain solutions to the likelihood equations and it is shown how the problem reduces to that of the full data case. A discussion of the asymptotic properties of the resulting estimators follows.