Maximum Likelihood Estimators for the Matrix Von Mises-Fisher and Bingham Distributions
矩阵 von Mises–Fisher 与 Bingham 分布的极大似然估计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：摘要讨论矩阵方向分布的通用极大似然理论，没有所列领域细分的直接证据。
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
矩阵 von Mises–Fisher 与 Bingham 分布的极大似然估计
- 研究问题
- 矩阵 von Mises–Fisher 分布参数的极大似然估计是否以概率一存在且唯一，这一结论如何依赖样本量及参数矩阵的秩限制？
- 方法与思路
- 作者分别考察参数矩阵秩已知和无秩限制的情况，证明相应极大似然估计的存在唯一性，并处理矩阵 Bingham 分布。
- 材料陈述的贡献
- 摘要称除小样本量情形外，关于矩阵 von Mises–Fisher 参数估计存在唯一性的猜想成立，并证明 Bingham 分布的对应结果。
- 阅读关注点
- 应核对排除的小样本量阈值、矩阵维度和秩条件，并检查概率一结论如何处理退化样本及两类分布的证明差异。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明版本，也未给出样本量阈值或参数空间细节；存在唯一性不等于已说明计算可行性和有限样本精度。
原文摘要
It has been conjectured by Khatri and Mardia that with probability one MLEs for the parameters of the von Mises-Fisher matrix distribution exist and are unique. We prove that, except for small sample sizes, this conjecture is true, both in the case where the parameter matrix has known rank and in the unrestricted case. The corresponding result for the matrix Bingham distribution is proven also.