Asymptotics for Configural Location Estimators
构型位置估计量的渐近性质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：摘要研究通用位置估计与稳健渐近理论，没有所列领域细分的直接证据。
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
构型位置估计量的渐近性质
- 研究问题
- 在有限个抽样情境间按小样本最优方式进行折中的位置估计量，具有怎样的渐近性质，何时能达到稳健性？
- 方法与思路
- 作者针对位置参数问题发展折中估计量的渐近理论，并考察特定一对抽样情境的选择如何产生 Huber 意义下的稳健性。
- 材料陈述的贡献
- 摘要称建立了此类位置估计量的渐近理论，且在特定抽样情境组合下，折中估计量具有 Huber 意义的渐近稳健性。
- 阅读关注点
- 阅读时应核对折中估计与小样本最优性的定义、所选两个抽样情境，以及 Huber 稳健性的判据和成立条件。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；未说明具体情境、损失函数或渐近条件，不能推广到任意情境组合和参数问题。
原文摘要
This paper examines the asymptotic properties of compromise estimators. By this we mean an estimation method which compromises between a finite number of sampling situations in a small sample optimal way. We develop the asymptotic theory of such estimators in the location problem and show that under a specific choice of a pair of sampling situations the compromise estimator is asymptotically robust in Huber's sense.