Robust Estimation in Dependent Situations
相关样本情形下的稳健估计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：摘要只说明相关样本的位置稳健估计，未明确给出时间序列、面板或金融数据结构。
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
相关样本情形下的稳健估计
- 研究问题
- 样本间较弱的相关性会怎样影响位置估计量的渐近方差，如何在受污染正态分布类中选择更稳健的估计规则？
- 方法与思路
- 作者推导小相关性下渐近方差的近似，并按 Huber 渐近极小极大准则构造近似最优估计量，以最坏渐近方差进行比较。
- 材料陈述的贡献
- 摘要称，较小相关性也可能大幅放大方差，所提规则相较此前考虑的估计量有明显改善；改善限于文中设定的比较范围。
- 阅读关注点
- 应核对相关结构、污染类的定义与小相关近似误差，明确近似最优性针对的规则集合，以及比较所用的最坏情形。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；相关结构、近似有效范围和改善幅度未说明，不能据此主张普遍稳健优势。
原文摘要
To analyze the effect of correlation in random samples on the performance of estimators of location, small correlation approximations for the asymptotic variance are found. Approximately optimal estimators (in the asymptotic minimax sense of Huber) are presented and compared to other estimators in terms of maximum asymptotic variance over the class of $\varepsilon$-contaminated normals. The presence of relatively small correlation can drastically inflate variances, and the optimal rules given here offer substantial improvements over previously considered estimators.