Optimal Robustness: A General Method, with Applications to Linear Estimators of Location
最优稳健性：一般方法及其在线性位置估计中的应用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：摘要属于一般稳健估计与检验理论，没有明确对应所列领域细分。
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
最优稳健性：一般方法及其在线性位置估计中的应用
- 研究问题
- 当误差分布可能属于预先指定的有限个对称形状时，如何构造在这些分布之间不能被共同改进的线性无偏估计量？
- 方法与思路
- 作者提出确定效率稳健估计与检验方法的一般路径，并将其用于构造相对于有限对称分布族的可容许线性无偏估计量。
- 材料陈述的贡献
- 摘要称这些估计量推广了针对单一分布形状的最佳线性无偏估计，使各候选分布下的方差不能被同时改进。
- 阅读关注点
- 应核对候选分布族、线性估计量的构成、共同改进与可容许性的定义，以及一般方法如何用于检验问题。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；最优性针对指定有限分布族，不足以推出对任意污染或分布变化的稳健保证。
原文摘要
A general method of determining efficiency-robust estimation and testing methods is presented. This is used to derive admissible linear unbiased estimators (ALUEs) having the following optimality property: Over a specified (finite) family of possible symmetric shapes of the error distribution, the estimator's respective variances cannot be jointly improved. Such estimators are generalizations of Lloyd's best linear unbiased estimators (BLUEs) determined for single shapes. Simple illustrative examples are given. Other applications of the method to estimation and testing problems are discussed briefly.