我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
考虑从一组多元数据中估计位置向量和散布矩阵的问题。稳健估计的两个标准类别是M(M)-估计和S公司-估计值。这个M(M)-可以对估计进行调整,以提供良好的局部稳健性特性,例如在基本分布(如多元正态分布)下的有效性和影响函数的良好界。然而,M(M)-估计值的高维分解特性较差。另一方面,S公司-可以对估计进行调优,使其具有良好的分解特性,但当以这种方式进行调优时,它们往往会受到局部稳健性较差的影响。本文中的混合估计称为约束估计M(M)-该估计结合了良好的局部和全局鲁棒性。
约翰·T·肯特。 大卫·E·泰勒。 "受约束的M(M)-多元位置和散布的估计。" 安。统计师。 24 (3) 1346 - 1370, 1996年6月。 https://doi.org/10.1214/aos/1032526973