Estimating the Parameters of a Multivariate Exponential Distribution
多元指数分布的参数估计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：摘要研究多元寿命分布的似然估计，未明确金融尾部、系统性风险或其他所列细分应用。
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
多元指数分布的参数估计
- 研究问题
- 对于不具有通常 Lebesgue 密度的 Marshall–Olkin 多元指数分布，如何建立似然并求解参数估计？
- 方法与思路
- 作者相对于支配测度定义密度并推导似然方程，以迭代求解最大似然估计，并将首次迭代定义为简易估计量 INT。
- 材料陈述的贡献
- 摘要称，似然方程一般具有作为最大似然估计的唯一根，所构造序列在样本充分大时收敛，并可推广至更一般模型。
- 阅读关注点
- 应核对支配测度、奇异部分的似然贡献、唯一根与最大值的条件，以及迭代初始化、参数边界和大样本收敛要求。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；唯一性与收敛条件未展开，更一般模型的参数个数记号需查原 PDF，不能重构。
原文摘要
Parameter estimation for a (k + 1)-parameter version of the k-dimensional multivariate exponential distribution (MVE) of Marshall and Olkin is investigated. Although not absolutely continuous with respect to Lebesgue measure, a density with respect to a dominating measure is specified, enabling derivation of a likelihood function and likelihood equations. In general, the likelihood equations, not solvable explicitly, have a unique root which is the maximum likelihood estimator (MLE). A simple estimator (INT) is derived as the first iterate in solving the likelihood equations iteratively. The resulting sequence of estimators converges to the MLE for sufficiently large samples. These results can be extended to the more general (2 k − 1)-parameter MVE.