Robust L Estimation of Scale with an Application in Astronomy
尺度的稳健L估计及其天文学应用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：摘要讨论一般尺度稳健估计及天文学应用，不能据此归入金融波动率等领域。
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
尺度的稳健L估计及其天文学应用
- 研究问题
- 一类尺度L估计量具有怎样的稳健性，如何据此进行尺度推断，并在高斯模型附近选择表现较好的修剪估计量？
- 方法与思路
- 作者研究尺度L估计量的稳健性质，重点比较高斯分布有效线性L估计量与标准差估计量的修剪版本。
- 材料陈述的贡献
- 摘要称，前者的修剪版本表现优于修剪标准差估计量，并据此发展稳健尺度推断程序和分析天文学数据。
- 阅读关注点
- 应核对稳健性与表现的评价指标、修剪比例的选择，以及理论比较所依赖的模型范围和应用中的推断步骤。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；比较指标、污染机制和修剪设置未说明，不能推广为所有分布下的优势。
原文摘要
In this article, we investigate the robustness properties of a class of L estimators of scale and then develop robust procedures for making inferences about scale. We pay particular attention to trimmed estimators that should perform well when the underlying model is Gaussian. We find that trimmed versions of the efficient linear L estimator for the Gaussian distribution perform better than trimmed standard deviation estimators. We then apply a trimmed version of the efficient linear L estimator for the Gaussian distribution to astronomical data.