Sub-Gaussian estimators of the mean of a random vector
随机向量均值的次高斯估计量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：摘要研究通用随机向量均值估计，未涉及金融风险、分布效应或其他所列细分方向。
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
随机向量均值的次高斯估计量
- 研究问题
- 给定随机向量的独立同分布样本，在仅要求二阶矩存在、未要求原始分布具有次高斯尾部时，如何获得可靠的均值估计？
- 方法与思路
- 作者以一种新的多元中位数概念构造均值估计量，试图在只有有限二阶矩的条件下获得纯粹的次高斯性能保证。
- 材料陈述的贡献
- 摘要称，新估计量仅需随机向量二阶矩存在即可达到次高斯表现，贡献集中于这一性能保证及其多元中位数构造。
- 阅读关注点
- 应核对次高斯性能的精确定义、误差界如何依赖维度与协方差，以及多元中位数的计算方式和置信水平设置。
- 阅读边界
- 仅依据稿件版本未注明的 OpenAlex 索引摘要；误差界常数、计算复杂度和有限样本比较未说明，不能据此认定实际实现更优。
原文摘要
We study the problem of estimating the mean of a random vector $X$ given a sample of $N$ independent, identically distributed points. We introduce a new estimator that achieves a purely sub-Gaussian performance under the only condition that the second moment of $X$ exists. The estimator is based on a novel concept of a multivariate median.