Minimax Variance $M$-Estimators of Location in Kolmogorov Neighbourhoods
柯尔莫哥洛夫邻域中的极小极大方差位置 M 估计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：摘要属于通用稳健位置估计理论，未涉及处理效应、经济分布比较或其他所列细分方向，分类证据不足。
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
柯尔莫哥洛夫邻域中的极小极大方差位置 M 估计
- 研究问题
- 围绕给定对称分布的柯尔莫哥洛夫邻域，哪些分布的位置费舍尔信息最小，其对应位置估计如何实现极小极大稳健性？
- 方法与思路
- 作者寻找邻域中的最小信息分布，据此构造关联的 M 估计，并分别讨论不同邻域大小及得分函数形态下的解。
- 材料陈述的贡献
- 摘要称将已有正态基准解推广至更广分布类，并为得分函数非单调的分布给出新解形式，包括 Student t 分布。
- 阅读关注点
- 应核对邻域半径的分区、强单峰性及得分函数附加条件，并明确极小极大方差准则与估计量稳健性的对应关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体条件、解的公式及证明未提供，不能据此判断任意污染模型下的稳健表现。
原文摘要
We exhibit those distributions with minimum Fisher information for location in various Kolmogorov neighbourhoods $\{F|\sup_x|F(x) - G(x)| \leq \varepsilon\}$ of a fixed, symmetric distribution $G$. The associated $M$-estimators are then most robust (in Huber's minimax sense) for location estimation within these neighbourhoods. The previously obtained solution of Huber (1964) for $G = \Phi$ and "small" $\varepsilon$ is shown to apply to all distributions with strongly unimodal densities whose score functions satisfy a further condition. The "large" $\varepsilon$ solution for $G = \Phi$ of Sacks and Ylvisaker (1972) is shown to apply under much weaker conditions. New forms of the solution are given for such distributions as "Student's" $t$, with nonmonotonic score functions. The general form of the solution is discussed.