Confidence Interval Robustness with Long-Tailed Symmetric Distributions
长尾对称分布下置信区间的稳健性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：摘要讨论长尾对称分布下的一般区间稳健性，未明确涉及金融尾部风险或其他所列细分方向。
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
长尾对称分布下置信区间的稳健性
- 研究问题
- 当总体从高斯分布变化到长尾柯西分布时，哪些置信区间程序能同时维持接近目标的错误率和较短的期望区间长度？
- 方法与思路
- 作者以蒙特卡洛方法研究多种百分之九十五置信区间程序，使用容量为十和二十的样本，并分别评估有效性与效率稳健性。
- 材料陈述的贡献
- 摘要称，研究发现一些相当稳健的程序，其中包括与 Princeton 稳健性研究中的部分点 M 估计量相关的程序。
- 阅读关注点
- 应核对各置信区间的构造和目标参数、实际错误率及期望长度的比较方式，并查看长尾情形下模拟误差如何控制。
- 阅读边界
- 所给材料为版本未注明的 OpenAlex 索引摘要；具体程序、目标参数及比较数值未说明，小样本模拟不能证明普遍稳健性。
原文摘要
A variety of 95-percent confidence interval procedures have been examined in some detail using Monte Carlo techniques. These estimators were tried on simulated samples of sizes 10 and 20 from a spectrum of distributions ranging from the Gaussian to the long-tailed Cauchy. The robustness of an estimator is measured by both the closeness of its level to the 5-percent goal (robustness of validity) and its expected length as compared to its competitors (robustness of efficiency). Results include some quite robust procedures including some of the point M-estimators from the Princeton Robustness Study.