Robust multivariate mean estimation: The optimality of trimmed mean
稳健多元均值估计：截尾均值的最优性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：摘要属于通用稳健均值估计理论，没有所列经济学领域细分的明确文本依据。
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
稳健多元均值估计：截尾均值的最优性
- 研究问题
- 在原始观测独立同分布、同时存在对抗性污染的情况下，如何稳健估计随机向量的均值，并刻画估计表现的最优性？
- 方法与思路
- 作者把截尾均值估计扩展到多元随机向量，围绕对抗性污染下的均值估计分析其性能；摘要未提供具体构造与证明路径。
- 材料陈述的贡献
- 摘要称，所提出的多元截尾均值估计量在最低限度的条件下具有最优表现，但未列出最优性标准、误差界或所需条件。
- 阅读关注点
- 核对污染模型、矩条件、维度与污染比例如何进入误差界，以及截尾构造、计算步骤和最优性所对应的比较类别。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明且内容简短；不能据此确定污染容忍度、计算效率或相对其他稳健估计量的优势。
原文摘要
We consider the problem of estimating the mean of a random vector based on i.i.d. observations and adversarial contamination. We introduce a multivariate extension of the trimmed-mean estimator and show its optimal performance under minimal conditions.