Breakdown Points of Affine Equivariant Estimators of Multivariate Location and Covariance Matrices
多元位置与协方差矩阵仿射等变估计量的崩溃点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：摘要属于通用稳健统计理论，未涉及金融波动率、风险或其他所列具体方向。
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
多元位置与协方差矩阵仿射等变估计量的崩溃点
- 研究问题
- 多元位置与协方差估计在有限样本替换污染下能承受多少异常观测，等变性质与一步重加权会怎样影响崩溃点？
- 方法与思路
- 作者推导不同估计量的有限样本替换崩溃点，分析各种等变性质，并将崩溃点与大偏差概率型性能指标联系起来。
- 材料陈述的贡献
- 摘要称，论文给出多类估计量的崩溃点，揭示等变性质的作用，并证明一步重加权能够保持原有崩溃点。
- 阅读关注点
- 应核对位置和协方差估计各自的崩溃定义、样本构型限制，以及保持崩溃点所需的重加权规则与技术条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出崩溃点数值和重加权条件，不能理解为任意重加权都保持稳健性。
原文摘要
Finite-sample replacement breakdown points are derived for different types of estimators of multivariate location and covariance matrices. The role of various equivariance properties is illustrated. The breakdown point is related to a measure of performance based on large deviations probabilities. Finally, we show that one-step reweighting preserves the breakdown point.