Robust Confidence Intervals for a Location Parameter: The Configural Approach
位置参数的稳健置信区间：构型方法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：摘要研究一般位置参数的稳健区间，未涉及分位数效应或其他所列专门计量方向。
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
位置参数的稳健置信区间：构型方法
- 研究问题
- 如何为位置参数构造稳健置信区间，同时区分条件覆盖率与总体覆盖率，并考虑区间长度和调节常数的选择？
- 方法与思路
- 作者采用条件稳健性方法，在位置与尺度构型中进行二维数值积分，构造 strong 与 bioptimal 两类区间，并比较其他方法。
- 材料陈述的贡献
- 摘要称两类区间分别强调稳健条件覆盖率，以及最短性与稳健总体覆盖率；所列比较支持小样本 M 估计区间并强调调节常数选择。
- 阅读关注点
- 应核对构型与条件化对象、两类区间的覆盖和长度准则、稳健性所针对的分布范围，以及调节常数建议的实验依据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；比较结论不能推广到所有分布，最短性的约束范围也未说明。
原文摘要
A conditional approach to robustness is described and applied to interval estimation for a location parameter. Two new types of confidence interval estimators using two-dimensional numerical integrations within location-and-scale configurations emerge. Strong confidence intervals have robust conditional coverage probabilities. Bioptimal confidence intervals are as short as possible and have robust overall coverage probabilities. Robust intervals compromising the Gaussian and the slash distributions serve as examples. A comparison with a variety of other confidence intervals shows the nonrobustness of rank-based interval estimators. For samples of size 10, robust intervals based on M-estimators are clearly superior. Tuning constants must be chosen carefully for interval estimation. An interval based on Tukey's biweight, for example, should be used with tuning constants of about 7, 8, and 11 for samples of size 20, 10, and 5, respectively.