Asymptotics for the Minimum Covariance Determinant Estimator
最小协方差行列式估计量的渐近性质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：摘要研究通用稳健多元估计理论，没有给定应用细分方向的直接证据。
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
最小协方差行列式估计量的渐近性质
- 研究问题
- 最小协方差行列式估计所对应的多元位置和尺度估计量，能否获得一致性，以及位置估计量的渐近正态性？
- 方法与思路
- 作者证明样本MCD观测子集具有分离椭球性质，并建立总体分布下的对应性质，以支撑估计量的渐近分析。
- 材料陈述的贡献
- 摘要称，位置与尺度估计量均具有一致性，而渐近正态性只明确陈述给位置估计量，并提供相应几何性质。
- 阅读关注点
- 应核对分布与唯一性条件、子集比例和分离椭球的定义，并区分位置估计和尺度估计各自得到的理论结果。
- 阅读边界
- OpenAlex索引摘要未注明稿件版本；具体正则条件和渐近协方差未说明，不能推断尺度估计也渐近正态。
原文摘要
Consistency is shown for the minimum covariance determinant (MCD) estimators of multivariate location and scale and asymptotic normality is shown for the former. The proofs are made possible by showing a separating ellipsoid property for the MCD subset of observations. An analogous property is shown for the MCD subset computed from the population distribution.