On the Method of Maximum-Likelihood for Dependent Observations
相依观测的最大似然方法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：摘要讨论一般相依观测的似然理论，未明确限定时间序列、面板或其他所列应用方向。
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
相依观测的最大似然方法
- 研究问题
- 当观测之间存在依赖时，最大似然估计在什么条件下仍能具有一致性、渐近正态性与渐近效率？
- 方法与思路
- 作者从相依观测的条件概率密度出发，在对这些密度施加一定条件后研究最大似然估计的渐近性质。
- 材料陈述的贡献
- 摘要称，在所需条件成立时，最大似然估计具有一致性、渐近效率和渐近正态性，但未列出具体条件。
- 阅读关注点
- 核对条件密度的正则条件、允许的依赖结构、渐近效率的比较基准，以及三项渐近结论各自的适用范围。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体依赖过程是否满足条件，也不能推断收敛速度或有限样本表现。
原文摘要
Summary Under certain conditions on conditional probability densities, in the case of dependent observations, the maximum-likelihood estimate is proved to be consistent, asymptotically efficient and asymptotically normal.