Maximum Likelihood Estimation from Linear Combinations of Discrete Probability Functions
离散概率函数线性组合的最大似然估计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：摘要讨论离散概率模型的通用似然估计，没有个体选择行为依据，不能据离散性归为离散选择。
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
离散概率函数线性组合的最大似然估计
- 研究问题
- 对于特殊形式的离散概率函数线性组合，样本分类信息完整或不完整时，如何求取参数的最大似然估计？
- 方法与思路
- 作者分别处理完全分类与不完全分类样本：前者转为各成分的参数估计，后者通过迭代求解似然方程。
- 材料陈述的贡献
- 摘要称完全分类时问题不比各成分单独估计更复杂，不完全分类时可迭代化归完整数据情形，并讨论估计量渐近性质。
- 阅读关注点
- 应核对特殊线性组合的限制、分类信息的含义、迭代步骤和收敛条件，以及似然解的唯一性与渐近性质。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明具体组合形式、迭代算法名称或识别条件，不能补称其为某种标准算法。
原文摘要
In this article the problem of obtaining the maximum likelihood estimates of the parameters from a special type of linear combination of discrete probability functions is discussed. It is shown that when the sample is completely categorized the estimation problem is no more complicated that that of estimating the parameters of each of the component probability functions separately. When the sample is less than completely classified an iterative procedure must be used to obtain solutions to the likelihood equations and it is shown how the problem reduces to that of the full data case. A discussion of the asymptotic properties of the resulting estimators follows.