On the Choice of Starting Point in Stochastic Approximation
随机逼近中起始点的选择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：摘要研究通用位置参数估计与随机逼近初始化，没有对应所列细分领域的充分证据。
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
随机逼近中起始点的选择
- 研究问题
- 用 Robbins–Monro 递推估计对称分布的位置参数时，如何选择随机起始值，使各步估计保持无偏与平移不变？
- 方法与思路
- 作者给出起始随机变量应满足的条件，并用蒙特卡洛研究比较小样本、长尾分布下不同起始方式的表现。
- 材料陈述的贡献
- 摘要称，适当的起始变量条件可保证每一步估计的无偏性和平移不变性，并提供若干起始方式的模拟比较。
- 阅读关注点
- 应核对起始变量与样本的关系、递推和步长设定，以及无偏性条件与小样本长尾模拟的具体设计。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；起始条件、递推细节及模拟结果未说明，不能判断哪种起始方式最优。
原文摘要
Consider the problem of point estimation of a location parameter θ of a symmetric distribution by way of a Robbins-Monro stochastic approximation recursive approach, particularly the choice of starting random variable. Conditions on the starting variable are given to guarantee that at each step the estimator is unbiased and translation invariant. Finally, a Monte Carlo study is done to compare the behavior of the procedures started by some random variables when the sample size is small and the underlying distribution is long tailed.