On the Stahel-Donoho estimator and depth-weighted means of multivariate data
Stahel–Donoho 估计量与多元数据的深度加权均值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：摘要属于多元稳健位置估计的一般理论，数据深度本身不足以支持分位数或分布效应分类。
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
Stahel–Donoho 估计量与多元数据的深度加权均值
- 研究问题
- 如何利用多元数据深度构造稳健位置估计量，并说明其渐近分布以及在高斯模型下稳健性与效率的平衡？
- 方法与思路
- 作者以深度定义加权均值，将投影深度对应的 Stahel–Donoho 估计纳入其中，并开展渐近分析与有限样本研究。
- 材料陈述的贡献
- 摘要称在适当条件下深度加权均值具有渐近正态性，有限样本研究支持 Stahel–Donoho 估计的稳健性与效率平衡。
- 阅读关注点
- 应核对深度函数与权重的要求、渐近协方差的刻画、位置估计目标，以及有限样本研究中的污染机制和效率基准。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；未列渐近正态性的完整条件、有限样本设计或具体稳健性和效率数值。
原文摘要
The depth of multivariate data can be used to construct weighted means as robust estimators of location. The use of projection depth leads to the Stahel-Donoho estimator as a special case. In contrast to maximal depth estimators, the depth-weighted means are shown to be asymptotically normal under appropriate conditions met by depth functions commonly used in the current literature. We also confirm through a finite-sample study that the Stahel-Donoho estimator achieves a desirable balance between robustness and efficiency at Gaussian models.