Robust Location Estimates
稳健位置估计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：摘要讨论一般位置泛函的稳健估计理论，未明确分位数回归、分布效应或其他所列细分。
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
稳健位置估计
- 研究问题
- 在 Hellinger 距离定义的局部扰动下，位置泛函的稳健性如何刻画，并能否与给定密度处的渐近效率兼容。
- 方法与思路
- 作者构造对 Hellinger 度量可微的位置泛函，定义极小极大稳健性，并寻找相应的渐近最优估计量。
- 材料陈述的贡献
- 摘要称这类最优估计在指定密度处达到 Fisher 信息倒数的渐近方差，说明特定局部稳健性与效率可兼容。
- 阅读关注点
- 核对 Hellinger 与 Prokhorov 可微性的区别、扰动邻域和极小极大准则，以及最优估计的构造条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；稳健性依赖所选度量与邻域，不能据此声称影响函数有界或具全局抗污染能力。
原文摘要
Measures of location differentiable at every density in the Hellinger metric are constructed in this paper. Differentiability entitles these location functionals to the label "robust," even though their influence curves need not be bounded and continuous. The latter properties are, in fact, associated with functionals differentiable in the Prokhorov metric. A Hellinger metric concept of minimax robustness of a location measure at a density shape $f$ is developed. Asymptotically optimal estimators are found for minimax robust location measures. Since, at $f$, their asymptotic variance equals the reciprocal of Fisher information, asymptotic efficiency at $f$ and robustness near $f$ prove compatible.