Estimation of Parameters in the Multivariate Normal Distribution with Missing Observations
存在缺失观测时多元正态分布的参数估计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：摘要讨论一般多元正态缺失数据估计，未明确关联所列因果、面板或其他细分方向。
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
存在缺失观测时多元正态分布的参数估计
- 研究问题
- 当多元正态数据的缺失位置不符合既有方法要求的特定模式时，如何估计分布参数并考察估计量的统计性质？
- 方法与思路
- 作者开发一种不要求缺失观测遵循特定排列模式的估计方法，讨论大样本性质，并以模拟研究支持理论分析。
- 材料陈述的贡献
- 摘要称该方法放宽了对缺失模式的限制，并在一类问题中证明与最大似然估计等价；未说明该子类的具体范围。
- 阅读关注点
- 应核对缺失模式与缺失机制的区别、参数可识别条件、估计算法，以及最大似然等价性和大样本结果的适用范围。
- 阅读边界
- 仅有版本未注明的 OpenAlex 索引摘要；缺失排列不受特定模式限制，不代表任意缺失机制均可忽略。摘要未给出相应条件或模拟数值，也不能推断刊本变化。
原文摘要
In this paper a method is developed for estimating the parameters in the multivariate normal distribution in which the missing observavations are not restricted to follow certain patterns as in most previous papers. The large sample properties of the estimators are discussed. Equivalence with maximum likelihood estimators has been established for a subclass of problems. The results of some simulation studies are provided to support the theoretical development.