Robustness of Estimators for Directional Data
方向数据估计量的稳健性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：摘要属于方向统计中的稳健性理论，未明确涉及所列经济计量细分方向。
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
方向数据估计量的稳健性
- 研究问题
- 研究为何适用于线性数据的部分标准稳健性概念不足以处理方向数据，以及如何在有界参数空间中评价一致稳健性。
- 方法与思路
- 作者引入标准化偏差稳健性概念，并用它考察方向均值、方向离散程度及 von Mises–Fisher 集中参数的最大似然估计。
- 材料陈述的贡献
- 摘要称，新概念支持有界参数空间中的一致稳健性考察，并在该意义下证明所列三类方向数据估计量不稳健。
- 阅读关注点
- 应核对偏差如何标准化、污染模型与一致性的范围，以及三类估计量不稳健的证明是否依赖特定参数区域。
- 阅读边界
- OpenAlex 摘要未注明稿件版本；不稳健结论限于作者提出的意义，具体定义和条件未给出，不能扩大解释或推断刊本变化。
原文摘要
Some standard robustness concepts, developed for linear data, are found wanting in the case of directional data. We introduce a standardized bias robustness allowing for uniform robustness considerations of statistics for bounded parameter spaces. Specifically, we verify the nonrobustness in this sense of the directional mean, the directional dispersion and the maximum likelihood estimator of the concentration parameter of the von Mises-Fisher distributions.