某些分布没有封闭形式的密度，但是从它们中抽取样本很简单。 对于这种分布，模拟最小Hellinger距离（SMHD）估计似乎很有用。 由于该方法是基于距离的，因此它自然很健壮。 本文是对以前的论文的后续，在先前的论文中，SMHD估计量仅被证明是一致的。 本文建立了它们的渐近正态性。 对于存在所有正整数矩的任何参数族分布，SMHD方法的渐近性质表明，SMHD估计量的方差达到基于模拟的估计量的下限，该估计量基于Fisher信息矩阵的逆，通过一个常数进行调整，该常数反映了模拟导致的效率损失。 所有这些特征表明，SMHD方法可应用于许多领域，例如金融或精算科学，在这些领域中，我们经常会遇到没有封闭形式密