Consistency of maximum likelihood estimation for some dynamical systems
若干动力系统中最大似然估计的一致性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：摘要聚焦一般动力系统与最大似然理论，没有明确给出所列宏观时间序列或其他细分设定。
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…
若干动力系统中最大似然估计的一致性
- 研究问题
- 当动力系统通过含噪声观测被记录时，什么系统性质和观测条件能够保证最大似然参数估计一致，哪些经典系统满足这些要求？
- 方法与思路
- 作者结合信息论与动力系统思想证明一致性，并说明若干已研究的动力系统性质如何导出最大似然估计所需的统计性质。
- 材料陈述的贡献
- 摘要称，在适当条件下最大似然估计一致，并列出满足条件的系统族，包括带 Gibbs 测度的有限型移位及带 SRB 测度的吸引子。
- 阅读关注点
- 应核对观测噪声模型、参数可识别性与一致性定义，并逐项确认经典系统性质如何满足证明所需的一般统计条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；“适当条件”未展开，不能推断结论覆盖任意含噪动力系统或保证收敛速率。
原文摘要
We consider the asymptotic consistency of maximum likelihood parameter estimation for dynamical systems observed with noise. Under suitable conditions on the dynamical systems and the observations, we show that maximum likelihood parameter estimation is consistent. Our proof involves ideas from both information theory and dynamical systems. Furthermore, we show how some well-studied properties of dynamical systems imply the general statistical properties related to maximum likelihood estimation. Finally, we exhibit classical families of dynamical systems for which maximum likelihood estimation is consistent. Examples include shifts of finite type with Gibbs measures and Axiom A attractors with SRB measures.