Inference in Ising models on dense regular graphs
稠密正则图上 Ising 模型的统计推断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：图结构用于 Ising 模型的统计依赖分析，摘要未涉及经济网络、干扰效应或其他所列应用方向。
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
稠密正则图上 Ising 模型的统计推断
- 研究问题
- 稠密正则图上的单参数 Ising 模型在不同温度区域具有怎样的极限统计实验，估计与检验又如何表现？
- 方法与思路
- 作者推导极限统计实验，研究最大似然与最大伪似然估计量的极限分布，并分析相邻备择下的检验极限功效。
- 材料陈述的贡献
- 摘要称，低温区域的极限实验为高斯型，临界区域为非高斯型，并给出两类估计量及假设检验的极限结果。
- 阅读关注点
- 应核对稠密正则图的具体限制、温度区域的定义、参数局部化尺度，以及估计量与检验结果分别依赖的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，无法判断其他温度区域或图结构是否适用；作者关于首次研究的说法未经独立核验。
原文摘要
In this paper, we derive the limit of experiments for one-parameter Ising models on dense regular graphs. In particular, we show that the limiting experiment is Gaussian in the “low temperature” regime, and non-Gaussian in the “critical” regime. We also derive the limiting distributions of the maximum likelihood and maximum pseudolikelihood estimators, and study limiting power for tests of hypothesis against contiguous alternatives. To the best of our knowledge, this is the first attempt at establishing the classical limits of experiments for Ising models (and more generally, Markov random fields).