Information geometry approach to parameter estimation in Markov chains
马尔可夫链参数估计的信息几何方法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：摘要研究一般马尔可夫链的信息几何估计，未明确针对宏观时间序列或其他给定应用领域。
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
马尔可夫链参数估计的信息几何方法
- 研究问题
- 当未知马尔可夫转移矩阵属于指数族或曲指数族时，如何利用信息几何构造具有渐近效率的参数估计量？
- 方法与思路
- 作者分析指数族生成量的样本均值，并为转移矩阵定义曲指数族，利用转移矩阵版本的勾股定理构造相应估计量。
- 材料陈述的贡献
- 摘要称，指数族生成量的样本均值是渐近有效估计量，并进一步给出曲指数族中的渐近有效估计方法。
- 阅读关注点
- 阅读全文时应核对生成量与参数的关系、链的观测方案、效率基准及正则条件，以及曲指数族中的几何投影如何计算。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；链的具体条件和估计量公式未提供，不能将渐近效率结论推广到任意转移模型。
原文摘要
We consider the parameter estimation of Markov chain when the unknown transition matrix belongs to an exponential family of transition matrices. Then we show that the sample mean of the generator of the exponential family is an asymptotically efficient estimator. Further, we also define a curved exponential family of transition matrices. Using a transition matrix version of the Pythagorean theorem, we give an asymptotically efficient estimator for a curved exponential family.