讨论班丨统计渐进理论（2022/4/15）

编辑：劳雅静 许严方 发布日期：2022-04-14

1、讨论班简介

统计渐近理论

本课程主要学习并掌握统计渐近理论中的基础和常用技巧，内容主要包括基础概率论、Delta方法、矩估计、M估计、统计学习理论、集中不等式、经验过程、稀疏估计、概率图模型、非参数回归、相依推断等。本课程主要的参考教材为 Asymptotic Statistics, A.W. van der Vaart 和 High-dimensional statistics:  A non-asymptotic viewpoint, Wainwright, Martin J，以及其他相关的课本以及文献资料。

 

2、时间及地点

 

image 27

 

 

3、本期内容概述

统计渐近理论

内容简介

本章主要介绍M估计以及Z估计，其常见的例子包括极大似然估计及其变体，如拟似然（Quasi-likelihood）、伪似然（Pseudo likelihood）、经验似然（Empirical likelihood）等。我们将讨论M估计与Z估计一致性成立的必要条件。本次课程参考资料主要为Asymptotic Statistics第五章。