Minimum Hellinger Distance Estimation for Finite Mixture Models
有限混合模型的最小 Hellinger 距离估计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：摘要讨论一般有限混合模型的距离估计，没有明确经济结构、分布效应或其他所列领域的应用与识别问题。
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
有限混合模型的最小 Hellinger 距离估计
- 研究问题
- 当有限混合模型的成分密度仅被认为接近某个参数族时，如何估计模型并兼顾正确设定下的效率与偏离下的稳健性？
- 方法与思路
- 作者采用最小 Hellinger 距离估计，提出类似 EM 的计算算法及专门的自适应密度估计，并以模拟讨论性质。
- 材料陈述的贡献
- 摘要称估计在参数族正确时具有渐近效率，对某些偏离具有稳健性，同时指出常用稳健性度量存在若干困难。
- 阅读关注点
- 应核对混合模型的识别与正则条件、密度估计的调节规则、允许的偏离类型，以及算法收敛和稳健性度量。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；允许偏离、效率条件和算法保证未说明，不能将稳健性理解为任意污染下有效。
原文摘要
Minimum Hellinger distance estimates are considered for finite mixture models when the exact forms of the component densities are unknown in detail but are thought to be close to members of some parametric family. Minimum Hellinger distance estimates are asymptotically efficient if the data come from a member of the parametric family and are robust to certain departures from the parametric family. A new algorithm is introduced that is similar to the EM algorithm a specialized adaptive density estimate is also introduced. Standard measures of robustness are discussed some difficulties are noted. The robustness and asymptotic efficiency of the estimators are illustrated using simulations.