Assessing the Accuracy of the Maximum Likelihood Estimator: Observed Versus Expected Fisher Information
最大似然估计精度的评估：观测与期望Fisher信息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：摘要研究单参数最大似然估计的一般精度理论，未明确涉及所列计量领域的特定数据结构或研究问题。
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
最大似然估计精度的评估：观测与期望Fisher信息
- 研究问题
- 在单参数模型中用正态近似评估最大似然估计精度时，观测信息与期望信息为何可能给出不同的方差评估？
- 方法与思路
- 作者从频率学派角度讨论观测信息，联系适当辅助统计量下的条件方差，并以多个例子补充理论论证。
- 材料陈述的贡献
- 摘要称观测信息对应的方差估计可近似特定条件方差，并称所给证据支持用似然比方法构造置信限。
- 阅读关注点
- 应核对辅助统计量的构造、条件方差近似的阶数及适用模型，并查阅原PDF确认摘要中损坏的估计量与信息符号。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；其中§、8等符号疑似提取损坏，不能重构公式或据此推导结论，需查阅原PDF。
原文摘要
This paper concerns normal approximations to the distribution of the maximum likelihood estimator in one-parameter families. The traditional variance approximation is 1/§, where θ is the maximum likelihood estimator and § is the expected total Fisher information. Many writers, including R. A. Fisher, have argued in favour of the variance estimate 1/I(x), where I(x) is the observed information, i.e. minus the second derivative of the log likelihood function at θ given data x. We give a frequentist justification for preferring 1/I(x) to 1/§. The former is shown to approximate the conditional variance of 8 given an appropriate ancillary statistic which to a first approximation is I(x). The theory may be seen to flow naturally from Fisher's pioneering papers on likelihood estimation. A large number of examples are used to supplement a small amount of theory. Our evidence indicates preference for the likelihood ratio method of obtaining confidence limits.