Preview not availableAbstractRobust

无法预览<br>摘要<br><br>位置的有力措施可以在估计问题被用来帮助减轻异常值或不对称可能造成的影响。一个实际的困难是如何确定的对应样本估计的精度可靠有效的估计。通常，精度由标准误差或置信区间的方式表示。使用多个数据集进行标准误差和置信区间的基于两个渐近结果正常的性能和多项强大的地理位置措施，包括具有固定修剪水平和胡贝尔的提案2.引导的结果和修剪手段引导的比较使用极值调整标准偏差渐近结果通常相媲美，但存在用于精确到与后者被夸大既为非常小的数据集和用于胡伯”的倾向 提案2偏斜数据集。此外，胡伯的提议2精度被发现是略微优于在极端的异常值的存在相应的修整平均值。

Preview not available<br>Abstract<br><br>Robust measures of location may be used in estimation problems to help to mitigate the possible effects of outliers or asymmetry. A practical difficulty is how to determine reliable valid estimates of the precision of the corresponding sample estimates. Commonly, precision is expressed by means of standard errors or confidence intervals. Several data sets are used to make comparisons of the performance of standard errors and confidence intervals based on both asymptotic normal results and the bootstrap for a number of robust location measures, including trimmed means with a fixed trimming level and Huber's proposal 2. Bootstrap results and asymptotic results using a winsorized standard deviation are generally comparable, but there is a tendency for the precision to be overstated with the latter both for very small data sets and for Huber's proposal 2 with skewed data sets. In addition, precision with Huber's proposal 2 is found to be marginally superior to that with the corresponding trimmed mean in the presence of extreme outliers.

预览不可用<br>摘要<br>在估计问题中可以使用稳健的位置度量，以帮助减轻异常值或不对称性的可能影响。一个实际的困难是如何确定相应样本估计精度的可靠有效估计。通常，精度是通过标准误差或置信区间来表示的。基于渐近正态结果和bootstrap方法，利用多个数据集对标准误差和置信区间的性能进行了比较，得到了一些稳健的定位测度，包括固定修剪水平的修剪均值和Huber的建议2。Bootstrap结果和使用winsorized标准差的渐近结果通常是可比较的，但是对于非常小的数据集和Huber的建议2（带有倾斜数据集），后者的精度有被夸大的趋势。此外，在存在极端异常值的情况下，Huber建议2的精度略优于相应的修剪平均值。