Wasserstein distance error bounds for the multivariate normal approximation of the maximum likelihood estimator
Wasserstein distance error bounds for the multivariate normal approximation of the maximum likelihood estimator
复制标题
最大似然估计量的多元正态近似的 Wasserstein 距离误差界
DOI：
10.1214/21-ejs1920
复制
发表时间：
2020
影响因子：
1.1
通讯作者：
Robert E. Gaunt
中科院分区：
文献类型：
--
作者：
Andreas Anastasiou;Robert E. Gaunt
我们获得了多参数 MLE 分布与多元正态分布之间的显式 Wasserstein 距离误差界限。我们的一般界限是针对可能的高维、独立且同分布的随机向量给出的。我们的一般界限是最优的 $\mathcal{O}(n^{-1/2})$ 阶。我们应用一般界限来导出在多种设置下 MLE 的多元正态逼近的 Wasserstein 距离误差界限；这些是单参数指数族、典型参数化下的正态分布和非典型参数化下的多元正态分布。
We obtain explicit Wasserstein distance error bounds between the distribution of the multi-parameter MLE and the multivariate normal distribution. Our general bounds are given for possibly high-dimensional, independent and identically distributed random vectors. Our general bounds are of the optimal $\mathcal{O}(n^{-1/2})$ order. We apply our general bounds to derive Wasserstein distance error bounds for the multivariate normal approximation of the MLE in several settings; these being single-parameter exponential families, the normal distribution under canonical parametrisation, and the multivariate normal distribution under non-canonical parametrisation.
影响因子：
1.5
作者：
Anastasiou A
通讯作者：
Anastasiou A
通过 delta 方法对最大似然估计量进行多元正态逼近
DOI：
10.48550/arxiv.1609.03970
发表时间：
2016
期刊：
arXiv e-prints
影响因子：
--
作者：
Anastasiou Andreas
通讯作者：
Anastasiou Andreas