ML estimators are popular in empiri

ML estimators are popular in empirical work because, irrespective of the type of model being estimated, if the assumptions underlying the model are valid then the ML estimator has several desirable large-sample (i.e., asymptotic) properties. Specifically, the ML estimator can be shown to be consistent9 and asymptotically normally distributed (CAN) with variances that are no larger than the variances of any other CAN estimator (i.e., the ML estimator is asymptotically efficient).

Kết quả (Việt) 1:

ML estimators được phổ biến trong thực nghiệm công việc bởi vì, không phân biệt loại mô hình được ước tính, nếu các giả định tiềm ẩn của các mô hình có hiệu lực thì công cụ ước tính ML có một vài mong muốn lớn-mẫu (ví dụ, tiệm cận) tài sản. Đặc biệt, công cụ ước tính ML có thể hiển thị được consistent9 và tiệm cận bình thường phân phối (có thể) với chênh lệch không lớn hơn chênh lệch của bất kỳ công cụ ước tính có thể khác (tức là, công cụ ước tính ML là tiệm cận hiệu quả).

Kết quả (Việt) 2:

ML dự toán được phổ biến trong công việc thực nghiệm bởi vì, không phân biệt các loại mô hình được ước tính, nếu giả định cơ bản của mô hình này là đúng, thì các ước lượng ML có nhiều mong muốn mẫu lớn (tức là, tiệm cận) tài sản. Cụ thể, ước lượng ML có thể được chứng minh là có consistent9 và tiệm cận thường được phân phối (CAN) với phương sai mà không được lớn hơn các phương sai của bất kỳ ước lượng CAN khác (ví dụ, các ước lượng ML là tiệm hiệu quả).