Likelihood ratio tests and singularities
似然比检验与奇异点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：摘要研究通用检验渐近理论，单因子分析例子没有宏观或金融背景，不能据此归入相应因子细分。
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
似然比检验与奇异点
- 研究问题
- 当统计假设由多项式等式和不等式定义，且真实参数位于边界或奇异点时，似然比检验的大样本极限分布如何变化？
- 方法与思路
- 作者在标准概率正则条件下研究半代数参数集合，利用真实参数处的切锥刻画极限分布，并分析局部可识别模型和单因子模型。
- 材料陈述的贡献
- 摘要称，半代数集合满足相应 Chernoff 定理条件；奇异点可产生非标准极限，并展示卡方变量最小值及 Wishart 特征值的联系。
- 阅读关注点
- 应核对概率正则条件、切锥的计算和局部可识别性的作用，并分别追踪边界点、奇异点及单因子例子中的分布结论。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要。摘要未列出完整模型条件，不能把边界混合卡方或奇异点结论推广到所有模型。
原文摘要
Many statistical hypotheses can be formulated in terms of polynomial equalities and inequalities in the unknown parameters and thus correspond to semi-algebraic subsets of the parameter space. We consider large sample asymptotics for the likelihood ratio test of such hypotheses in models that satisfy standard probabilistic regularity conditions. We show that the assumptions of Chernoff’s theorem hold for semi-algebraic sets such that the asymptotics are determined by the tangent cone at the true parameter point. At boundary points or singularities, the tangent cone need not be a linear space and limiting distributions other than chi-square distributions may arise. While boundary points often lead to mixtures of chi-square distributions, singularities give rise to nonstandard limits. We demonstrate that minima of chi-square random variables are important for locally identifiable models, and in a study of the factor analysis model with one factor, we reveal connections to eigenvalues of Wishart matrices.