Representations of the Space of Distributions Useful in Robust Estimation of Location
用于稳健位置估计的分布空间表示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：摘要中的分布表示服务于通用稳健位置估计，未研究分位数或经济分布效应，故不归入分布效应细分。
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
用于稳健位置估计的分布空间表示
- 研究问题
- 如何将分布空间表示为低维图形，以展示针对一种分布最有效的秩估计量用于另一种分布时，位置估计效率如何变化？
- 方法与思路
- 作者以跨分布使用秩估计量时的渐近相对效率定义距离，计算多组分布对的距离，再用多维尺度分析构造低维表示。
- 材料陈述的贡献
- 摘要称，给出了与稳健秩位置估计相关的一维、二维和三维分布空间表示，为比较不同分布下的估计效率提供工具。
- 阅读关注点
- 应核对效率转化为距离的定义及性质、参与比较的分布集合，以及多维尺度分析的拟合误差和低维表示保留的信息。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；距离函数、分布集合与表示误差未提供，不能据图形表示推断有限样本稳健性。
原文摘要
In many situations it is useful to have a low-dimensional representation of the space of distributions. This paper gives one-, two- and three-dimensional representations which are particularly relevant to the study of robust estimation of location based on rank estimators. The distances are defined as functions of the asymptotic relative efficiency of the most efficient rank estimator for one distribution when used on data from another distribution. Values of these distance functions are computed for a large number of pairs of distributions and multidimensional scaling is used to find the low-dimensional representations.