Asymptotic normality of a generalized maximum mean discrepancy estimator
在本文中，我们提出了一个估计的广义最大平均差异之间的几个分布，构造通过修改一个朴素估计。在这些分布相等和备择假设下，得到了该估计量的渐近正态性。
2020-03-12 math.ST stat.TH
Asymptotic normality of generalized maximum spacing estimators for multivariate observations
本文讨论了多元观测值的最大间距法。最近邻球被用作单变量间距的多维模拟。利用一类信息型测度推广了最大间距估计的概念。证明了当所指定的模型类是正确的，即真密度是模型类的成员时，这些广义最大间距估计的渐近正态性。
2019-04-18 math.ST stat.TH
Asymptotic Properties of the Maximum Smoothed Partial Likelihood Estimator in the Change-Plane Cox Model
变平面Cox模型是生存数据亚组分析的常用工具。尽管有丰富的文献对这个模型，有有限的调查有限维参数估计的渐近性质。特别是，收敛速度，更不用说渐近分布，还没有完全表征的一般模型的分类是基于多个协变量。为了弥合这一理论差距，本研究提出了一个最大平滑偏似然估计，并建立了以下渐近性质。首先，它表明，收敛速度的分类参数可以任意接近1/n的对数因子在一定条件下的协变量和调整参数的选择。给定此收敛速度结果，它还建立了回归参数的渐近正态性。
2023-02-12 math.ST stat.ME stat.TH
Asymptotic analysis of maximum likelihood estimation of covariance parameters for Gaussian processes: an introduction with proofs
本文介绍了高斯过程协方差参数估计的渐近分析。考虑了极大似然估计。这一介绍的目的是要获得广大观众，并提出一些现有的结果和证明技术的文献。增加域和固定域的渐近设置。在增域渐近性下，证明了协方差参数的所有分量一般都能一致地用极大似然估计，且渐近正态性成立。相比之下，在固定域渐近下，只有构成微遍历参数的协方差参数的某些分量可以一致地估计。在固定域渐近下，考虑了各向同性Matérn协方差函数族的特殊情况.结果表明，只有方差和空间尺度参数的组合是微遍历的。给出了极大似然估计的相合性和渐近正态性证明。
2020-09-15 math.ST stat.TH
Asymptotic results for maximum likelihood estimators in joint analysis of repeated measurements and survival time
极大似然估计已广泛应用于重复测量和生存时间的联合分析。然而，有一个缺乏理论上的理由的渐近性质的最大似然估计。本文旨在填补这一空白。具体来说，我们证明了最大似然估计的一致性，并推导出它们的渐近分布。极大似然估计是半参数有效的。
2006-02-11 math.ST stat.TH
Asymptotic normality in the maximum entropy models on graphs with an increasing number of parameters
最大熵模型是$β$ -模型到加权图的自然推广，其动机是在神经元科学中的应用。与$β$模型类似，最大熵模型中的每个顶点都被赋予一个潜在的参数，并且度序列是自然的充分统计量。Hillar和Wibisono（2013）证明了极大似然估计的一致性。本文进一步证明了三种边权的最大熵模型中，当参数总数趋于无穷大时，任意有限个极大似然估计的渐近正态性.仿真研究来说明渐近结果。
2014-08-08 math.ST stat.TH
Asymptotics of the maximum likelihood estimator of the location parameter of Pearson Type VII distribution
Shizuoka University（静冈大学）
研究Pearson VII分布已知尺度下位置参数最大似然估计的渐进行为，包括强一致性、渐近正态性、Bahadur效率和渐近方差。重点分析重尾情况，如Cauchy分布，克服似然方程多根难题。
2026-04-08 math.ST stat.TH
Asymptotic properties of the maximum likelihood estimator for Hidden Markov Models indexed by binary trees
本文研究以二叉树为索引、隐状态为一般度量空间的隐马尔可夫模型，在平稳与非平稳情形下证明最大似然估计量的强相合性与渐近正态性，并借助树索引马尔可夫链的遍历定理完成证明。
2024-09-10 math.PR math.ST stat.TH
Asymptotic behavior of the Laplacian quasi-maximum likelihood estimator of affine causal processes
本文证明了一类因果时间序列的Laplacian拟极大似然估计（QMLE）的相合性和渐近正态性，这类因果时间序列包括ARMA，AR（$\infty$），GARCH，GARCH（$\infty$），ARMA-GARCH，APARCH，ARMA-APARCH，.流程.我们显着表现出的优势（矩阶和鲁棒性），这种估计相比，经典的高斯QMLE。数值模拟证实了这种估计的准确性。
2017-02-21 math.ST stat.TH
Asymptotic Theory for Restricted Maximum Likelihood Estimators in Generalized Linear Mixed Models
School of Systems and Computing, University of New South Wales（新南威尔士大学系统计算学院）；UNSW Data Science Hub（新南威尔士大学数据科学中心）；School of Mathematics and Statistics, University of New South Wales（新南威尔士大学数学与统计学院）
本文为广义线性混合模型中的限制最大似然估计建立了渐近正态性理论，在温和条件下证明了其偏差校正性质，并通过模拟和遗传数据验证。
2026-09-15 math.ST stat.ME stat.TH
Asymptotic properties of maximum likelihood estimators for Heston models based on continuous time observations
研究了对数价格过程基于连续时间观测的Heston模型极大似然估计的渐近性质。我们区分三种情况：亚临界（也称为遍历），临界和超临界。在亚临界情况下，证明了所有参数的渐近正态性，而在临界和超临界情况下，描述了非标准的渐近行为。
2015-06-26 math.ST q-fin.ST stat.TH
Asymptotic normality of the Quasi Maximum Likelihood Estimator for multidimensional causal processes
对一般的多维因果过程，给出了拟极大似然估计（QMLE）的强相合性和渐近正态性。对于文献中已经研究过的特殊情况（例如单变量或多变量GARCH，ARMA，GARCH过程），建立这些结果所需的假设往往弱于现有条件。QMLE的渐近行为也给出了许多新的单变量或多变量过程的例子（例如，Tensor或NLensor过程）。
2007-12-05 math.ST stat.TH
Asymptotic behavior of maximum likelihood estimators for a jump-type Heston model
研究了基于连续时间观测的跳型Heston模型漂移参数极大似然估计的渐近性质，其中跳过程可以是任意非高斯Lévy过程，其变差不一定有界，且Lévy测度集中在$(-1,\infty)$上.我们证明了强一致性和渐近正态性的所有允许的参数值，除了一个，我们只显示弱一致性和混合正常（但非正常）的渐近行为。事实证明，价格过程的波动率是价格过程的一个可测函数。我们还提出了一些数值例子来证实我们的结果。
2018-05-18 math.PR math.ST q-fin.ST
Asymptotic properties of maximum likelihood estimator for the growth rate of a stable CIR process based on continuous time observations
考虑由标准Wiener过程和谱正严格稳定Lévy过程驱动的稳定Cox-Ingersoll-Ross过程，研究其增长率基于连续时间观测的极大似然估计的渐近性质.我们区分三种情况：亚临界，临界和超临界。在所有的情况下，我们证明了强一致性的极大似然估计的问题，在亚临界情况下的渐近正态性，并在超临界情况下的渐近混合正态。在临界情况下，描述的渐近行为的极大似然估计的问题仍然是开放的。
2019-02-12 math.PR math.ST q-fin.ST
Asymptotic properties of the maximum likelihood estimator for nonlinear AR processes with markov-switching
本文在预测滤波器具有一致指数遗忘和$α$ -混合性质的假设下，提出了一种新的方法，证明了具有Markov切换的非线性AR过程极大似然估计的相合性和正态性.我们表明，在线性和高斯的情况下，我们的假设是完全满足的。
2016-05-31 math.ST stat.TH
Asymptotics of maximum likelihood estimators based on Markov chain Monte Carlo methods
在许多复杂的统计模型中，无法计算最大似然估计量。本文用真实似然的马尔可夫链蒙特卡罗近似方法解决了这一问题。在主要结果中，我们证明了当两个样本量（初始样本量和MonteCarlo样本量）都趋于无穷大时，估计量的渐近正态性。我们的结果可以应用到模型与棘手的赋范常数和缺失数据模型。
2018-08-08 math.ST stat.TH
A Note on Spatial-Temporal Lattice Modeling and Maximum Likelihood Estimation
时空线性模型及其相应的基于似然的统计推断是时空格点数据分析的重要工具。本文研究了时空线性模型在一般渐近框架下的最大似然估计的渐近性质。我们在时空权矩阵上提出了温和的正则性条件，并得到了最大似然估计的渐近性质（相合性和渐近正态性）。模拟研究进行检查的有限样本性质的最大似然估计。
2012-07-26 math.ST stat.TH
Asymptotic normality and efficiency of the maximum likelihood estimator for the parameter of a ballistic random walk in a random environment
考虑了在参数独立同分布随机环境中演化的一维弹道随机游动。我们研究的渐近性质的参数的最大似然估计的基础上，一个单一的观察的路径，直到它到达一个遥远的网站。我们证明了一个渐近正态性的结果，这个一致的估计作为遥远的网站趋于无穷大，并建立它达到Cramér-Rao界。我们还探讨了在模拟设置的数值行为的渐近置信区域的参数值。
2013-11-14 math.ST stat.TH
Maximum likelihood estimation of mean functions for Gaussian processes under small noise asymptotics
针对高斯过程时变均值函数估计问题，本文在连续观测下提出显式似然的极大似然估计量，通过小噪声渐近得到局部渐近正态性与效率，还引入离散M估计量及拟信息准则，为均值函数估计与模型选择提供方法与理论支持。
2025-07-08 math.ST stat.TH
Asymptotics of maximum likelihood estimation for stable law with continuous parameterization
在连续参数化条件下，研究了$α$ -稳定律的极大似然估计的渐近性.在整个参数空间的内部证明了其相合性和渐近正态性。虽然Zolotarev的$(B)$参数化已经提供了这些渐近性，但它们之间存在一些差距。特别是在后者，密度，使分数和它们的衍生物是不连续的$α=1$为$β\neq 0$和通常的渐近是不可能的。这对于应用来说是相当不方便的。通过证明这些量在连续形式下是光滑的，我们填补了两者之间的空白，并提供了一个方便的理论。我们在数值上近似柯西定律$(α,β)=(1,0)$周围的Fisher信息矩阵。结果在$α=1,\,β\neq 0$上具有连续性，保证了计算的准确性.
2019-02-28 math.ST stat.TH
Asymptotic Properties of the Maximum Likelihood Estimator in Regime Switching Econometric Models
马尔可夫状态转换模型在经济学和金融学中有着广泛的应用。然而，最大似然估计（MLE）的渐近分布还没有被证明为一些经验流行的马尔可夫状态转换模型。特别是，MLE的渐近分布一直是未知的模型，其中的转移概率矩阵的一些元素的值为零，通常假设在经验应用与模型超过两个政权。这也包括模型，其中特定的制度密度取决于当前和滞后的制度，如汉密尔顿（1989年）的开创性模型和切换模型的汉密尔顿和Susmel（1994年）。本文证明了这些模型的极大似然估计的渐近正态性和渐近协方差阵估计的相合性。
2018-06-28 math.ST stat.TH
Asymptotics of Monte Carlo maximum likelihood estimators
我们描述了蒙特卡罗近似的极大似然估计模型与棘手的赋范常数和解释变量。我们认为这两个来源的随机性（由于初始样本和蒙特卡罗模拟），并证明渐近正态的估计。
2014-12-19 stat.ME
Asymptotic properties of the maximum likelihood estimator for multivariate extreme value distributions
最大稳定分布和过程是极端事件和尾部风险评估的重要模型。参数最大稳定分布的完整多元似然性很复杂，只有最近的进展才能使用它。最大似然估计在多变量极值中的渐近性质大多是未知的。本文给出了保证估计量渐近正态性的最大稳定分布的指数函数和角测度的自然条件。我们证明了这一结果的有效性，将其应用到流行的参数模型在多元极值统计和最常用的家庭的空间最大稳定的过程。
2017-08-07 math.ST stat.TH
Coherence of high-dimensional random matrices in a Gaussian case : application of the Chen-Stein method
在高斯框架下研究了（n × p）-观测矩阵的$τ$ -相干性. $τ$ -相干性定义为与我们的观测相关联的经验相关系数的大小为$τ$的对角带宽之外的最大幅度。利用Chen-Stein方法，我们导出了归一化相干的极限律，并证明了收敛于Gumbel分布。本文推广了蔡和江[CJ 11 a]的结果.我们假设模型的协方差阵是带向的。此外，我们提供了数值的考虑，从高维假设突出的问题。我们用数值方法说明了在高维相关阵中采用HPC分裂策略的Monte-Carlo实验的相干性的渐近行为。
2021-10-13 math.ST stat.TH
Asymptotic theory for maximum likelihood estimates in reduced-rank multivariate generalised linear models
降秩回归是一种应用广泛的降维方法。多元线性模型中参数矩阵降秩估计的渐近理论已得到广泛的研究。相比之下，降秩多元广义线性模型的理论结果很少。我们发展M-估计理论的凹准则函数，最大化的参数空间，既不是凸的，也不是封闭的。当响应向量和预测向量服从联合分布时，这些结果可用于推导降秩多元广义线性模型中极大似然估计的相合性和渐近分布.我们说明我们的结果在一个真正的数据分类问题与二元协变量。
2017-10-12 math.ST stat.TH
Bounds for the asymptotic normality of the maximum likelihood estimator using the Delta method
最大似然估计（MLE）的渐近正态性是统计理论的基石。在本文中，我们提供了尖锐的明确的Zolotarev型之间的确切的，未知的分布MLE和其限制正态分布的距离上界。我们的方法，这个基本问题是基于一个健全的组合的Delta方法，斯坦的方法，泰勒展开和条件期望，对于经典的情况下，MLE可以表示为一个函数的总和的独立和同分布的条款。这特别包括广泛的指数型分布族。
2016-04-17 math.ST stat.TH
Asymptotic expansion of the risk of maximum likelihood estimator with respect to $α$-divergence as a measure of the difficulty of specifying a parametric model -- with detailed proof
对于一个给定的参数概率模型，我们考虑了极大似然估计关于$α$ -发散的风险，其中包括Kullback-Leibler发散，Hellinger距离和$χ^2$发散的特殊情况.渐近展开的风险是相对于样本量的顺序$n^{-2}$。展开式中的每一项都用参数概率模型所形成的黎曼流形的几何性质来表示。我们试图通过这种扩展来衡量指定模型的难度。
2018-10-11 math.ST stat.TH
Asymptotic properties of the maximum likelihood estimator in autoregressive models with Markov regime
具有马尔可夫状态的自回归过程是这样一种自回归过程，其在每个时间点的回归函数由不可观测的马尔可夫链给出。本文考虑了隐状态空间是紧的但不一定是有限的这类可能非平稳过程的极大似然估计的渐近性质。一致性和渐近正态性遵循一致指数遗忘的初始分布的隐马尔可夫链条件的观察。
2005-03-29 math.ST stat.TH
Asymptotic properties of maximum likelihood estimators for determinantal point processes
该研究推导出行列式点过程（DPPs）最大似然估计量的强相合性与Berry-Esseen型界，开发了相应数值估计算法并完成模拟，还给出了2×2分块行列式矩阵最大似然估计的显式公式与讨论，完善了相关前期研究。
2024-07-09 math.ST stat.TH
Asymptotic properties of the maximum pseudo-likelihood estimator for stationary Gibbs point processes including the Lennard-Jones model
本文给出了平稳Gibbs点过程参数化向量$\Vectθ$的极大伪似然估计的渐近性质。给出了用定义Gibbs点过程的局部能量函数表示的该估计量依赖于单个实现的强相合性和渐近正态性的充分条件，这些结果足够一般，不再要求局部能量函数的参数具有局部稳定性和线性性.我们考虑这些模型的典型例子，Lennard-Jones模型和有限范围Lennard-Jones模型。我们表明，不同的假设，确保一致性满足两个模型，而确保渐近正态性的假设只满足有限范围的Lennard-Jones模型。
2010-07-12 math.ST stat.TH
Asymptotic Efficiency of the Global Maximum-Likelihood Estimator in Multi-Emitter Localization Microscopy
The City College of City University of New York（纽约市立大学城市学院）
该研究针对多发射源定位显微术，实现GML估计器并通过仿真验证其渐近效率理论。
2026-08-03 cs.IT math.IT math.ST
Analyticity, Convergence and Convergence Rate of Recursive Maximum Likelihood Estimation in Hidden Markov Models
本文研究隐马尔可夫模型中递推极大似然估计的渐近性质。本文主要讨论对数似然函数的渐近性态以及递推极大似然估计的点收敛性和收敛速度。利用解析延拓原理，证明了解析参数隐马尔可夫模型的渐近对数似然函数的解析性。根据这一事实和微分几何的一些结果（Lojasiewicz不等式），证明了递归极大似然算法的几乎必然点收敛性，并给出了其收敛速度的严格界.与已有的关于隐马尔可夫模型中极大似然估计的渐近性质的结果不同，本文的结果是在不假设对数似然函数有一个孤立的极大值且Hessian在该极大值处是严格负定的情况下得到的.
2009-09-24 math.ST stat.TH
Asymptotic properties of maximum likelihood estimators in models with multiple change points
具有多个变点的模型在许多领域中被使用，然而，这种模型的最大似然估计的理论性质得到了相对较少的关注。本文的目的是建立一个多变点模型的参数的最大似然估计的渐近性质的一般类的模型，其中的分布的形式可以改变从段到段，其中，可能的是，有共同的所有段的参数。建立了变点的极大似然估计的相合性和收敛速度的收敛速率，并得到了分段内分布参数的极大似然估计的渐近分布.由于单变点模型中使用的方法不容易扩展到多变点模型，这些结果需要引入这些工具来分析多变点模型中的似然函数。
2011-02-25 math.ST stat.TH
Asymptotic normality of maximum likelihood and its variational approximation for stochastic blockmodels
变分方法用于参数估计是一个活跃的研究领域，潜在地提供计算上易于处理的算法和理论性能界限。我们建立在最近的工作，将这种方法应用到网络数据，并建立随机块模型数据的参数估计的渐近正态性率，无论是最大似然或变分估计。该结果也适用于文献中发现的随机块模型的各种子模型。
2013-10-29 cs.SI math.ST stat.TH
Asymptotic Normality of the Maximum Pseudolikelihood Estimator for Fully Visible Boltzmann Machines
玻尔兹曼机（BM）是一类二进制神经网络，已经提出了许多估计方法。最近，它已被证明，在完全可见的情况下的BM，方法的最大伪像估计（MPLE）的结果在参数估计是一致的概率意义上。在这篇文章中，我们进一步研究了MPLE对完全可见的BM的性质，并证明了MPLE也产生一个渐近正态的参数估计。这些结果可用于构建置信区间和检验统计假设。我们支持我们的理论结果表明，估计行为如预期的模拟研究。
2014-09-29 math.ST stat.CO stat.TH
Asymptotics of the discrete log-concave maximum likelihood estimator and related applications
本文研究离散对数凹概率质量函数的最大似然估计，证明其强相合性并建立正确与错误设定下的逐点渐近理论，进而构造置信区间，并通过R包logcondiscr在H1N1疫情数据上验证。
2012-10-14 stat.ME
Asymptotic maximum order statistic for SIR in $κ-μ$ shadowed fading
利用极值理论（EVT）的工具，证明了当用户信号和干扰信号服从独立非同分布（i.n.i.d.）$κ-μ$阴影衰落，$L$独立同分布（i.i.d.）信号干扰比（SIR）随机变量（RV）是一个Frechet分布。据观察，该限制分布接近最大值的真实分布，对于在中等$L$上评估的最大SIR。此外，最大RV的时刻示出收敛到Frechet RV的时刻。此外，收敛速度的实际分布的最大Frechet分布的推导和分析不同的$κ$和$μ$参数。最后，随机排序的结果被用来分析的变化，在限制分布相对于源衰落参数的变化。这些结果，然后被用来推导出上限的速率在全阵列选择（FAS）计划的天线选择和渐近中断概率和遍历速率在最大和容量（MSC）调度系统。
2019-10-27 cs.IT math.IT stat.AP
Asymptotic behaviour of the empirical Bayes posteriors associated to maximum marginal likelihood estimator
我们考虑一般情况下边际最大似然经验贝叶斯后验分布的渐近行为。首先，我们描述了最大边际似然估计位于高概率的集合。然后给出了经验贝叶斯后验压缩率的预言型上界和下界。我们还表明，分层贝叶斯后验达到相同的收缩率的最大边际似然经验贝叶斯后验。我们证明了我们的一般结果的适用性，为各种模型和先验分布推导相应的经验和分层贝叶斯后验分布的收缩率的上限和下界。
2016-04-04 math.ST stat.TH
Asymptotic bias reduction of maximum likelihood estimates via penalized likelihoods with differential geometry
本文提出一种缩减通用估计量极大似然估计渐近偏差的程序，通过最大化满足一阶拟线性偏微分方程的惩罚似然实现插件估计，并借助微分几何求解偏微分方程，应用于广义线性模型、线性混合效应模型及位置-尺度族。
2024-03-25 math.ST stat.TH
Asymptotic properties of the maximum likelihood and cross validation estimators for transformed Gaussian processes
高斯过程协方差参数估计的渐近分析一直是人们研究的热点。然而，这种渐近分析是非常罕见的非高斯过程。本文研究了一类由高斯过程的正则非线性变换得到的非高斯过程。我们提供了增加域渐近性质的（高斯）最大似然和交叉验证估计的协方差参数的非高斯过程的这一类。我们表明，这些估计是一致的，渐近正态的，虽然他们被定义为如果该过程是高斯。它们不需要对非线性变换进行建模或估计。因此，我们的结果可以被解释为（高斯）最大似然和交叉验证对非高斯的鲁棒性。我们的证明依赖于两个技术成果，这是独立的兴趣的空间过程的渐增域渐近文献。首先，我们表明，在温和的假设下，大的协方差阵的逆的系数衰减作为相应的观测位置距离的函数的逆多项式率。其次，我们给出了由变换高斯过程得到的二次型的一般中心极限定理。最后，通过数值模拟说明了我们的渐近结果.
2019-11-25 math.ST stat.TH
Composite likelihood estimation for a gaussian process under fixed domain asymptotics
本文研究了具有指数协方差函数的一维高斯过程在固定域渐近下的协方差参数估计问题。我们表明，加权成对最大似然估计的微遍历参数可以是一致的或不一致的。这取决于似然优化中的容许参数值的范围。另一方面，加权两两条件极大似然估计总是相容的。当它们是一致的时，这两个估计量也是渐近高斯的。它们的渐近方差大于或严格大于极大似然估计量的渐近方差。为了比较两两似然估计量的有限样本行为及其渐近分布，给出了一个模拟研究。对于更一般的协方差函数，对于方差参数的加权成对最大似然估计量，提供了一个附加的不一致结果。
2019-07-12 math.ST stat.TH
