The ML estimator is consistent. As

The ML estimator is consistent. As the sample size grows large, the probability that the ML estimator differs from the true parameter by an arbitrarily small amount tends toward 0.The ML estimator is asymptotically efficient, which means that the variance of the ML estimator is the smallest possible among consistent estimators.The ML estimator is asymptotically normally distributed, which justifies various statistical tests.

結果 (繁體中文) 1:

ML的估計是一致的。隨著樣品尺寸變大，該ML估計從真實參數相差任意小的量朝向0趨於概率

的ML估計是漸近有效，這意味著ML估計的方差為最小的可能的一致估計中。

ML估計量漸近正態分佈，這證明各種統計檢驗。

結果 (繁體中文) 2:

ML 估計器是一致的。隨著樣本大小越來越大，ML 估計器與真實參數不同的概率任意為 0。

ML 估計器具有不相用效率，這意味著 ML 估計器的方差在一致的估計器中是最小的。

ML 估計器是非溫態正態分佈的，這為各種統計測試提供證明。

結果 (繁體中文) 3:

ML估計量是一致的。隨著樣本量的增大，ML估計量與真實參數相差任意小的概率趨於0。
ML估計是漸近有效的，這意味著ML估計的方差在一致估計中是最小的。
ML估計量是漸近常态分配的，這證明了各種統計檢驗的正確性。