Outlier Resistance in Small Samples
小样本中的异常值抗性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用稳健估计量的异常值抗性度量，未涉及经济分布效应、尾部金融风险或其他所列细分领域。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
小样本中的异常值抗性
- 研究问题
- 如何度量小样本估计量对异常值污染的抗性，使度量较少受到样本量影响，并能比较较高污染比例下的估计表现？
- 方法与思路
- 作者以 Huber 最大偏差为基础，用同一情形下中位数的最大偏差进行标准化，并将该度量用于截尾均值和 M 估计的比较。
- 材料陈述的贡献
- 摘要称标准化抗性似乎基本不依赖样本量，而主要随污染比例变化；该度量可评价较高比例异常值下的抗性，并给出比较示例。
- 阅读关注点
- 应核对污染模型、最大偏差的定义和标准化分母，以及样本量稳定性是理论结果还是经验观察，示例中的估计参数如何选择。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要。摘要用审慎措辞描述样本量稳定性，未报告比较结果，不能推断某种估计量普遍更优。
原文摘要
This paper presents a new measure of outlier resistance based on Huber's maximum bias. After standardizing by the maximum bias of the median for the same situation, outlier resistance seems to be essentially independent of n and depends on the fraction of contamination. The advantages over alternative measures of resistance involve this relative stability with the sample size, and the ability to measure resistance to a large fraction of outliers. As an example, this method of measuring outlier resistance is applied to a comparison of a 20% trimmed mean with a Huber M-estimator.