跳到正文
← 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:摘要提供一般似然估计的概率界,未给出足以归入所列经济计量细分的具体模型或场景。

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
Thomas Pfaff

拟最大似然估计量的快速一致性

研究问题
对于包含最大似然估计的估计序列,能否在分布距离和参数距离下建立控制估计误差尾部的概率界。
方法与思路
作者先在概率测度族中以 Hellinger 距离分析误差,再对可分、有限维参数度量空间推导类似不等式。
材料陈述的贡献
摘要称得到按样本量平方根缩放误差的指数尾界,并将概率分布估计的结果延伸至参数估计。
阅读关注点
核对概率族和估计序列须满足的条件、界中常数的依赖关系,以及分布距离如何转化为参数距离。
阅读边界
仅据 OpenAlex 索引摘要,稿件版本未注明;模型复杂度条件与常数是否一致未说明,不能据题名推断一般错设模型结论。

原文摘要

A family of probability measures $\mathscr{P}$ on some measurable space $(X, \mathscr{A})$ and a class of estimator sequences $\hat{P}_n: X^n \rightarrow \mathscr{P}, n \in \mathbb{N}$, containing maximum likelihood estimators are considered. For $P \in \mathscr{P}$ it is proved that there are numbers $c > 0, h_0 > 0$ fulfilling $P^n\{n^{1/2} d(\hat{P}_n, P) > h\} \leq \exp(-ch^2)$ for $n \in \mathbb{N}, h \geq h_0$, where $d$ denotes the Hellinger distance of probability measures. Then parameterized families $\mathscr{P} = \{P(\theta): \theta \in \Theta\}$ are considered where $(\Theta, \Delta)$ is a separable and finite-dimensional metric space, and for sequences $\hat{\Theta}_n: X^n \rightarrow \Theta, n \in \mathscr{N}$, estimating the parameter similar inequalities are derived.

笔记与分组
相关领域论文