Efficient Robbins-Monro procedure for binary data
适用于二元数据的高效 Robbins–Monro 程序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：摘要明确以极端分位数估计为目标，因此归入分位数与分布方向；二元观测本身不足以支持离散选择分类。
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
适用于二元数据的高效 Robbins–Monro 程序
- 研究问题
- 利用二元观测估计极端分位数时，如何调整依赖渐近结果的 Robbins–Monro 程序，以改善其估计表现？
- 方法与思路
- 作者提出 Robbins–Monro 程序的修改形式，并在若干近似下推导适用于二元数据的最优程序。
- 材料陈述的贡献
- 摘要称，修改后的最优程序在极端分位数估计中带来显著改善，但没有给出改善幅度、评价指标或比较设计。
- 阅读关注点
- 应核对二元观测与目标分位数的关系、程序更新规则、近似的依据，以及最优性标准和改善结论的证据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，不能判断近似适用范围或有限样本改善程度；最优性不能脱离其近似条件理解。
原文摘要
The Robbins–Monro procedure does not perform well in the estimation of extreme quantiles, because the procedure is implemented using asymptotic results, which are not suitable for binary data. Here we propose a modification of the Robbins–Monro procedure and derive the optimal procedure for binary data under some reasonable approximations. The improvement obtained by using the optimal procedure for the estimation of extreme quantiles is substantial.