Highly Efficient Estimators of Multivariate Location with High Breakdown Point
具有高崩溃点的高效多变量位置估计量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：摘要研究通用多变量稳健位置估计，未提供金融风险、经济分布效应或其他所列方向的直接依据。
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
具有高崩溃点的高效多变量位置估计量
- 研究问题
- 如何构造兼具仿射等变性、高崩溃点、有界影响函数和较高渐近效率的多变量位置估计量，并刻画其理论性质？
- 方法与思路
- 作者先用仿射等变的高崩溃点协方差估计量缩放观测，再计算位置 M 估计量，并分析一致性、渐近分布和稳健性质。
- 材料陈述的贡献
- 摘要称，位置估计继承初始协方差估计的崩溃点；在位置—协方差模型内，影响函数类型与渐近行为由 M 估计决定。
- 阅读关注点
- 应核对初始协方差估计及 M 估计的条件、效率所对应的参考模型，以及崩溃点继承和有界影响结论的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体效率数值、污染模型和正则条件未说明，不能声称在任意分布下高效或推断刊本变化。
原文摘要
We propose an affine equivariant estimator of multivariate location that combines a high breakdown point and a bounded influence function with high asymptotic efficiency. This proposal is basically a location $M$-estimator based on the observations obtained after scaling with an affine equivariant high breakdown covariance estimator. The resulting location estimator will inherit the breakdown point of the initial covariance estimator and within the location-covariance model only the $M$-estimator will determine the type of influence function and the asymptotic behaviour. We prove consistency and asymptotic normality and obtain the breakdown point and the influence function.