Asymptotically Robust Estimators of Location
位置参数的渐近稳健估计量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：摘要聚焦通用位置参数稳健估计，未明确涉及分位数效应或其他所列计量领域细分。
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
位置参数的渐近稳健估计量
- 研究问题
- 位置参数估计如何兼顾效率与对分布形状变化的稳健性，近似最优稳健估计量在不同分布及样本量下表现如何？
- 方法与思路
- 作者构造最优稳健 Pitman 型估计量的近似版本，刻画渐近效率，并在多种分布及五种样本量下进行蒙特卡洛比较。
- 材料陈述的贡献
- 摘要称，原型分布族下具有完全渐近效率；所测情形效率约不低于88%，样本量100时约不低于91%。
- 阅读关注点
- 应核对原型分布族如何确定估计量、效率的参照基准、污染分布的设定，以及模拟重复次数和效率估计的不确定性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；数值仅为摘要报告的特定模拟结果，不代表任意分布保证，刊本变化未知。
原文摘要
For the problem of efficiency-robust estimation of location, approximate versions are developed of optimally robust Pitman-type estimators. These are shown to have full asymptotic efficiency for a prototype family of distributions, used to define the estimators. The asymptotic efficiency under other distributions of interest is also characterized. For sample sizes n = 20, 30, 40, 50, and 100 the efficiencies were estimated by Monte Carlo methods under the following distributions: normal, logistic, double-exponential, and contaminated normal (one percent, five percent, ten percent). Over all these shapes the efficiencies obtained are approximately 88 percent or more for all n; they rise to approximately 91 percent or more for n = 100. Some theoretical and numerical comparisons with other estimators are given.