Robust Confidence Intervals for a Location Parameter: The Configural Approach
位置参数的稳健置信区间：构型方法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：摘要讨论一般位置参数的稳健区间推断，未提供与所列经济学细分方向直接相关的证据。
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
位置参数的稳健置信区间：构型方法
- 研究问题
- 当分布可能偏离高斯设定时，如何为位置参数构造兼顾覆盖概率稳健性与区间长度的置信区间？
- 方法与思路
- 作者采用条件稳健性思路，在位置与尺度构型内进行二维数值积分，构造强置信区间和双重最优置信区间。
- 材料陈述的贡献
- 摘要称两类区间分别强调稳健条件覆盖与短区间及总体覆盖，并报告特定小样本比较中基于 M 估计的稳健区间较优。
- 阅读关注点
- 应核对条件化信息、稳健覆盖的分布范围、区间长度的优化标准，以及 M 估计调节常数随样本量变化的依据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；稳健性和比较优势依赖具体分布与区间设定，不能外推为普遍结论或推断刊本变化。
原文摘要
A conditional approach to robustness is described and applied to interval estimation for a location parameter. Two new types of confidence interval estimators using two-dimensional numerical integrations within location-and-scale configurations emerge. Strong confidence intervals have robust conditional coverage probabilities. Bioptimal confidence intervals are as short as possible and have robust overall coverage probabilities. Robust intervals compromising the Gaussian and the slash distributions serve as examples. A comparison with a variety of other confidence intervals shows the nonrobustness of rank-based interval estimators. For samples of size 10, robust intervals based on M-estimators are clearly superior. Tuning constants must be chosen carefully for interval estimation. An interval based on Tukey's biweight, for example, should be used with tuning constants of about 7, 8, and 11 for samples of size 20, 10, and 5, respectively.