An Efficient and Robust Adaptive Estimator of Location
高效且稳健的自适应位置估计量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：摘要属于通用位置估计与稳健统计理论，没有足够依据归入所列应用领域细分。
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
高效且稳健的自适应位置估计量
- 研究问题
- 对于具有有限 Fisher 信息的对称密度，能否构造兼具渐近效率与局部稳健性的位置估计量，并抵抗单个异常观测？
- 方法与思路
- 作者提出非参数最小 Hellinger 距离位置估计量，分析对称密度及其小幅非对称扰动下的渐近性质，并给出数值例子。
- 材料陈述的贡献
- 摘要称估计量在每个满足有限 Fisher 信息条件的对称密度下渐近有效，且具有扩展 Hájek 正则性概念的技术性稳健性质。
- 阅读关注点
- 应核对密度估计与距离最小化的实现、扰动范围和稳健性定义，以及单个离群值数值例子所能支持的结论。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；技术性渐近稳健性不能直接解释为任意污染下稳健，具体条件需查全文。
原文摘要
A nonparametric minimum Hellinger distance estimator of location is introduced and shown to be asymptotically efficient at every symmetric density with finite Fisher information. Under small, possibly asymmetric, perturbations in such a density, the estimator is asymptotically robust in a technical sense which extends Hajek's concept of "regularity." A numerical example illustrates the computational feasibility of the estimator and its resistance to an arbitrary single outlier.