Stable Distributions in Statistical Inference: 2. Information from Stably Distributed Samples
统计推断中的稳定分布（二）：稳定分布样本的信息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：摘要研究稳定分布的通用统计信息与估计理论，未涉及金融尾部风险或资产收益，不能仅凭厚尾特征归类。
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
统计推断中的稳定分布（二）：稳定分布样本的信息
- 研究问题
- 稳定分布样本对指数、偏度、尺度和位置参数提供多少信息，最大似然估计的渐近关系及分组损失如何描述？
- 方法与思路
- 作者用 Fisher 信息建立大样本估计理论，计算渐近标准差、相关性与相对效率，并分析和数值考察数据分组的信息损失。
- 材料陈述的贡献
- 摘要称，对称稳定分布下指数与尺度的最大似然估计渐近独立于偏度与位置的估计；极端值分组对指数估计的信息损失最严重。
- 阅读关注点
- 应核对稳定分布参数化、渐近理论适用范围、对称情形的独立性条件，以及效率表和分组方案的比较设置。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给正则条件和表值，分组损失结论的具体范围需查全文，不能推断刊本变化。
原文摘要
Large-sample theory for the estimation of parameters for a stable distribution is developed using the theory of Fisher's information. The asymptotic standard deviations and correlations of the maximum-likelihood estimates of the index, skewness, scale and location parameters are computed and tabled and used to compute the relative asymptotic efficiency of other proposed estimators. It is shown that if the true distribution is symmetric stable, the MLE's of index and scale are asymptotically independent of those of skewness and location. The effect on the available information of grouping the data is investigated both analytically and numerically, and the most serious loss of information is shown to occur if extreme observations are grouped when estimating the index.