再下降 M-估计量与确定性退火及其在稳健回归和尾指数估计中的应用
统计方法学
2010-06-21 v1
摘要
基于带有未指定异常值模型的数据增强，构造了一种新型的再下降 M-估计量。推导了所得估计量收敛到 Huber 型截断均值的充要条件。通过引入温度参数，可以应用确定性退火的概念，使估计量对迭代起点不敏感。探索了退火 M-估计量作为温度函数的性质。最后，给出了两个应用。第一个是实验粒子物理中相互作用顶点的稳健估计，包括异常值检测。第二个是利用稳健回归诊断从样本中估计分布的尾指数。
引用
@article{arxiv.1006.3707,
title = {Redescending M-estimators and Deterministic Annealing, with Applications to Robust Regression and Tail Index Estimation},
author = {Rudolf Frühwirth and Wolfgang Waltenberger},
journal= {arXiv preprint arXiv:1006.3707},
year = {2010}
}