Robust $M$-Estimators of Multivariate Location and Scatter
多元位置与散布矩阵的稳健 M 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：摘要属于通用多元稳健估计，未提供资产风险、金融波动率或其他所列细分方向的依据。
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
多元位置与散布矩阵的稳健 M 估计
- 研究问题
- 对于经仿射变换可呈球对称的多元分布，如何稳健估计位置向量与散布矩阵，并评价其高维稳健性局限？
- 方法与思路
- 作者以距离相关权重定义位置与散布的联合 M 估计方程，研究解的性质，并给出数值求解算法。
- 材料陈述的贡献
- 摘要称，在权重函数的一般条件下证明存在唯一性、一致性与渐近正态性，并通过崩溃界和影响函数指出高维弱点。
- 阅读关注点
- 应核对权重函数与分布条件、散布矩阵的尺度定义、崩溃界和影响函数，以及算法与小样本实验的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出具体权重条件或稳健性界，不能据此认定该方法适合任意高维分布。
原文摘要
Let $\mathbf{x}_1,\cdots, \mathbf{x}_n$ be a sample from an $m$-variate distribution which is spherically symmetric up to an affine transformation. This paper deals with the robust estimation of the location vector $\mathbf{t}$ and scatter matrix $\mathbf{V}$ by means of "$M$-estimators," defined as solutions of the system: $\sum_i u_1(d_i)(\mathbf{x}_i - \mathbf{t}) = \mathbf{0}$ and $n^{-1}\sum_i u_2(d_i^2)(\mathbf{x}_i - \mathbf{t})(\mathbf{x}_i - \mathbf{t})' = \mathbf{V}$, where $d_i^2 = (\mathbf{x}_i - \mathbf{t})'\mathbf{V}^{-1}(\mathbf{x}_i - \mathbf{t})$. Existence and uniqueness of solutions of this system are proved under general assumptions about the functions $u_1$ and $u_2$. Then the estimators are shown to be consistent and asymptotically normal. The breakdown bound and the influence function are calculated, showing some weaknesses of the estimates for high dimensionality. An algorithm for the numerical calculation of the estimators is described. Finally, numerical values of asymptotic variances, and Monte Carlo small-sample results are exhibited.