A central limit theorem in the -model for undirected random graphs with a diverging number of vertices
顶点数增长的无向随机图 β 模型中心极限定理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：摘要直接研究顶点数增长的无向随机图及其参数推断，对应网络统计方向，但未讨论经济网络行为或干扰效应。
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…
顶点数增长的无向随机图 β 模型中心极限定理
- 研究问题
- 在无向随机图的 β 模型中，随着顶点数量不断增长，最大似然估计除一致性之外，是否还具有可用于推断的渐近正态性？
- 方法与思路
- 作者通过近似 Fisher 信息矩阵的逆，推导最大似然估计的渐近分布，并以模拟研究和一个数据例子展示理论结果。
- 材料陈述的贡献
- 摘要称在较温和条件下证明了最大似然估计的渐近正态性，从而在既有一致性结果之外补充了分布理论。
- 阅读关注点
- 应核对所谓温和条件的具体内容、信息矩阵逆近似的误差控制，以及顶点数增长时渐近正态结论覆盖哪些参数组合。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；题名缺失的模型符号由摘要明确为 β，定理条件未说明。
原文摘要
Chatterjee et al. (2011) established the consistency of the maximum likelihood estimator in the β-model for undirected random graphs when the number of vertices goes to infinity. By approximating the inverse of the Fisher information matrix, we prove asymptotic normality of the maximum likelihood estimator under mild conditions. Simulation studies and a data example illustrate the theoretical results.