On Local Asymptotic Minimaxity and Admissibility in Robust Estimation
稳健估计中的局部渐近极小极大性与可容许性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：摘要讨论一般稳健估计的渐近决策理论，未明确所列计量应用方向。
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
稳健估计中的局部渐近极小极大性与可容许性
- 研究问题
- 当用污染和总变差相关的容量替代概率测度时，在指定伪损失下如何刻画稳健估计的局部渐近极小极大性与可容许性？
- 方法与思路
- 作者在 Hájek 与 Le Cam 意义下分析局部渐近决策问题，为任意估计序列建立极小极大界，并研究最优估计的渐近展开。
- 材料陈述的贡献
- 摘要称证明了极小极大估计量的可容许性，并指出此类估计量必须具有用截断对数导数表示的渐近展开，同时给出一般下界。
- 阅读关注点
- 应核对伪损失和容量的具体定义、污染邻域与总变差情形的区别，以及可容许性结论和必要渐近展开各自所需的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；结论针对特定伪损失与容量框架，不能直接推广为通常损失下的全局最优性。
原文摘要
For a particular pseudoloss function, local asymptotic minimaxity and admissibility in the sense of Hajek and Le Cam are studied when probability measures are replaced by certain capacities ($\epsilon$-contamination, total variation). A minimax bound for arbitrary estimator sequences is established, admissibility of minimax estimators is proved, and it is shown that minimax estimators must necessarily have an asymptotic expansion in terms of a truncated logarithmic derivative.