Adaptive Maximum Likelihood Estimators of a Location Parameter
位置参数的自适应最大似然估计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：摘要研究未知对称分布下的位置参数估计，属于通用统计理论，未提供对应所列计量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
位置参数的自适应最大似然估计
- 研究问题
- 当观测来自位置平移模型、误差分布未知且关于原点对称时，能否构造无需预先指定分布的自适应位置估计？
- 方法与思路
- 作者提出不依赖未知误差分布的非随机化自适应最大似然估计，并要求估计具有平移和尺度不变性，研究其渐近分布。
- 材料陈述的贡献
- 摘要称该估计经平方根样本量标准化后具有正态极限；但信息量符号前后不一致，极限方差的确切表达需核对原文。
- 阅读关注点
- 应核对估计量的具体构造、费舍尔信息的定义及有限性要求，以及摘要所称适用于所有对称分布的准确条件和范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；信息量符号存在不一致，不能自行修正公式，正则条件与极限方差需查阅原PDF。
原文摘要
Consider estimators $\hat{\theta}_n$ of the location parameter $\theta$ based on a sample of size $n$ from $\theta + X$, where the random variable $X$ has an unknown distribution $F$ which is symmetric about the origin but otherwise arbitrary. Let $\mathscr{F}$ denote the Fisher information on $\theta$ contained in $\theta + X$. We show that there is a nonrandomized translation and scale invariant adaptive maximum likelihood estimator $\hat{\theta}_n$ of $\theta$ which doe not depend on $F$ such that $\mathscr{L}(n^{\frac{1}{2}}(\hat{\theta}_n - \theta)) \rightarrow N(0, 1/\mathscr{J})$ as $n \rightarrow \infty$ for all symmetric $F$.