Remarks on efficiency in estimation for branching processes
分枝过程参数估计效率的几点讨论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：摘要研究分枝过程中的一般估计效率，未提供与所列微观、宏观或金融细分方向直接相关的证据。
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
分枝过程参数估计效率的几点讨论
- 研究问题
- 如何利用超临界 Galton–Watson 分枝过程连续若干代的种群规模估计后代分布均值，并比较不同估计量的效率？
- 方法与思路
- 作者直接比较最大似然估计与相邻代规模比率估计，并提出推广 Rao 定义的渐近效率概念，以分析特定后代分布下的效率。
- 材料陈述的贡献
- 摘要称，在后代分布属于幂级数分布族时，最大似然估计满足新的效率定义；文末讨论该理论对纯生过程增长率估计的意义。
- 阅读关注点
- 应核对新效率定义与既有定义的关系、两类估计量的比较标准，以及幂级数分布条件和纯生过程讨论的具体适用范围。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要。摘要未说明完整正则条件、证明和有限样本表现，也不能据此推断其他版本变化。
原文摘要
This paper is concerned with efficiency in the estimation of the mean θ of the offspring distribution of a supercritical Galton-Watson branching process on the basis of a sample of n consecutive generation sizes. First, a direct comparison is made between the maximum likelihood estimator and the simple ratio of generation sizes estimator. Next, a new definition of asymptotic efficiency of an estimator is given, generalizing that of Rao (1973). It is shown that, for offspring distributions belonging to the class of power series distributions, the maximum likelihood estimator is efficient in this new sense. The paper concludes with some remarks on the implications of this theory in the estimation of the growth rate in a pure birth process.