Minimax Variance M-Estimators in $\varepsilon$-Contamination Models
ε 污染模型中的极小极大方差 M 估计量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：摘要研究通用稳健位置与尺度估计，污染模型本身不足以归入所列经济计量细分方向。
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
ε 污染模型中的极小极大方差 M 估计量
- 研究问题
- 在位置参数稳健估计中，已知基准密度不必强单峰时，如何求得污染模型的极小极大方差解及最不利污染分布？
- 方法与思路
- 作者在 Huber 稳健估计框架内放宽基准密度的强单峰要求，研究一般正则条件下的解，并讨论多元位置和尺度参数。
- 材料陈述的贡献
- 摘要称，在较弱正则条件下得到明确结果，给出最不利污染分布具有不同支撑结构的例子，并讨论总质量不足一的情形。
- 阅读关注点
- 应核对基准密度的正则条件、方差最优化的范围，以及最不利污染分布的支撑结构和多元位置、尺度问题中的解释。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；部分支撑集合公式残缺，需查阅原 PDF，不能重构缺失区间或推断刊本变化。
原文摘要
In the framework of Huber's theory of robust estimation of a location parameter, minimax variance M-estimators are studied for error distributions with densities of the form $f(x) = (1 - \varepsilon)h(x) + \varepsilon g(x)$, where $g$ is unknown. A well-known result of Huber (1964) is that when $h$ is strongly unimodal, the least informative density $f_0 = (1 - \varepsilon)h + \varepsilon g_0$ has exponential tails. We study the minimax variance solutions when the known density $h$ is not necessarily strongly unimodal, and definitive results are obtained under mild regularity conditions on $h$. Examples are given where the support of the least informative contaminating density $g_0$ is a set of form: (i) $(-b, -a) \cup (a, b)$ for some $0 < a < b < \infty$; (ii) $(- < a < \infty;$ and (iii) a countable collection of disjoint sets. Minimax variance problems for multivariate location and scale parameters are also studied, with examples given of least informative distributions that are substochastic.