On Robust Procedures
论稳健统计程序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：摘要讨论一般位置参数的稳健估计，使用分位数不等于研究经济学中的分位数或分布效应。
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
论稳健统计程序
- 研究问题
- 如何借助稳健秩检验估计对称单峰分布的位置参数，并在一个分布集合内权衡最坏情形效率与一致性？
- 方法与思路
- 作者以最大化最低极限 Pitman 相对效率的秩检验为起点，构造位置估计量，并考察少数次序统计量的线性组合。
- 材料陈述的贡献
- 摘要讨论秩检验生成估计量的方法及其一致性限制，提出简易分位数估计，并将某最不利分布对应的最佳线性无偏估计联系到截尾均值。
- 阅读关注点
- 应核对分布集合、最大最小效率准则及一致性条件，并查阅完整分位点和权重，辨明截尾均值结论的具体适用分布。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。分布集合符号及部分分位点缺失，需查原 PDF；不能重构估计公式或断言普遍一致。
原文摘要
This paper discusses a procedure for finding robust estimators of the location parameter of symmetric unimodal distributions. The estimators are based on robust rank tests and the methods used are applicable to other one parameter problems. To every density function there corresponds an asymptotically most powerful rank test (a.m.p.r.t.). For a set , of density functions the maximin rank test, R, maximizes the minimum limiting Pitman's efficiency of R relative to the a.m.p.r.t. for each member of . This maximin test, R, can be used to construct estimators according to the proposal of Hodges and Lehman; it generates another estimator T in the following manner. If the test based on R is the a.m.p.r.t. for samples from a density function g(x − θ), then the estimator T will be the best linear unbiased estimate (b.l.u.e.) of the location parameter for samples from g(x). Unfortunately, the estimator T is not necessarily consistent for all members of . A class of rank tests which generate linear combinations of a few order statistics is introduced and a simple estimator using the , 50th and percentiles is proposed. The relationship of the present paper to the work of Huber is discussed and it is shown that the b.l.u.e. corresponding to his least favorable distribution is the trimmed mean.