In this lecture note, we derive and compare the asymptotic covariance matrices of two parametric estimators: the Gaussian maximum-likelihood estimator (MLE) and the optimally weighted leastsquares estimator (LSE). We assume a general model parameterization where the model's mean and variance are jointly parameterized and consider Gaussian and non-Gaussian data distributions.

中文翻译：

---

高斯最大似然估计器与最优加权最小二乘估计器 [讲义]

在本讲义中，我们推导出并比较了两个参数估计量的渐近协方差矩阵：高斯最大似然估计量 (MLE) 和最优加权最小二乘估计量 (LSE)。我们假设通用模型参数化，其中模型的均值和方差联合参数化并考虑高斯和非高斯数据分布。