Convergence of Simar's Algorithm for Finding the Maximum Likelihood Estimate of a Compound Poisson Process
复合泊松过程最大似然估计的Simar算法收敛性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：摘要是概率测度上的优化与复合泊松估计理论，没有足够证据归入金融或宏观细分领域。
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
复合泊松过程最大似然估计的Simar算法收敛性
- 研究问题
- 用于复合泊松过程最大似然估计的Simar迭代能否收敛，该问题能否放入概率测度上凹泛函最大化的一般框架？
- 方法与思路
- 作者研究所有概率测度组成的集合上的凹泛函最大化，推广Simar迭代，并给出确保算法收敛至最优解的假设。
- 材料陈述的贡献
- 摘要称，论文提供一般优化算法及其收敛条件，并证明Simar所用的泛函满足这些条件，从而补充原迭代的收敛论证。
- 阅读关注点
- 应核对泛函与可行测度集合的条件、迭代更新及收敛概念，并区分优化算法的收敛与统计估计量的一致性。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；具体算法、收敛速度及最优解是否唯一未说明，也不能据此判断有限样本估计误差。
原文摘要
Simar (1976) suggested an iteration procedure for finding the maximum likelihood estimate of a compound Poisson process, but he could not show convergence. Here the more general case of maximizing a concave functional on the set of all probability measures is treated. As a generalization of Simar's procedure, an algorithm is given for solving this problem, including assumptions to ensure convergence to an optimum. Finally, it is shown that Simar's functional fulfills these assumptions.