Statisticians are Fairly Robust Estimators of Location
统计学家是相当稳健的位置估计器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：摘要比较人工异常值处理与稳健位置估计，属于一般统计方法实验，未提供所列经济计量细分的直接证据。
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
统计学家是相当稳健的位置估计器
- 研究问题
- 统计学家通过人工剔除异常值给出的位置估计，与若干形式化稳健估计方法相比，在模拟实验中表现如何？
- 方法与思路
- 作者收集多位统计学家给出的位置估计，将这些估计纳入蒙特卡洛实验，并与若干稳健位置估计器进行比较。
- 材料陈述的贡献
- 摘要称，人工判断能避免普通最小二乘潜在的严重失误，但某些估计方法仍可胜过统计学家给出的估计。
- 阅读关注点
- 应核对参与者获得的信息、异常值情景、比较方法及评价损失，并区分人工决策的平均表现与个别参与者差异。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；参与者、污染机制及比较结果均未详述，不能推广为人工判断的一般优势。
原文摘要
The performance of the outlier rejecting statistician is monitored and compared with those of several robust estimators of location. The comparisons are made by plugging a number of statisticians' location estimates into a Monte Carlo experiment. The result is that the statistician staves off the potential disasters of ordinary least squares, but he can be beaten.