FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2096410324> ?p ?o ?g. }

• W2096410324 endingPage "533" @default.
• W2096410324 startingPage "514" @default.
• W2096410324 abstract "Efficiency and robustness are two fundamental concepts in parametric estimation problems. It was long thought that there was an inherent contradiction between the aims of achieving robustness and efficiency; that is, a robust estimator could not be efficient and vice versa. It is now known that the minimum Hellinger distance approached introduced by Beran [R. Beran, Annals of Statistics 1977;5:445–463] is one way of reconciling the conflicting concepts of efficiency and robustness. For parametric models, it has been shown that minimum Hellinger estimators achieve efficiency at the model density and simultaneously have excellent robustness properties. In this article, we examine the application of this approach in two semiparametric models. In particular, we consider a two-component mixture model and a two-sample semiparametric model. In each case, we investigate minimum Hellinger distance estimators of finite-dimensional Euclidean parameters of particular interest and study their basic asymptotic properties. Small sample properties of the proposed estimators are examined using a Monte Carlo study. The results can be extended to semiparametric models of general form as well. The Canadian Journal of Statistics 37: 514–533; 2009 © 2009 Statistical Society of Canada Efficacité et robustesse sont deux concepts fondamentaux dans les problèmes d'estimation pa-ramétrique. Il a longtemps été pensé qu'il y avait un conflit inhérent entre les objectifs d'obtenir un estimateur robuste et efficace, c'est-à-dire qu'un estimateur robuste ne pouvait pas être efficace et vice-versa. Maintenant, nous savons que l'approche de la distance d'Hellinger minimale proposée par Beran (R. Beran, Annals of Statistics 1977; 5; 445-463) est une façon de réconcilier les concepts conflictuels d'efficacité et de robustesse. Il a été démontré que, pour les modèles paramétriques, les estimateurs d'Hellinger minimums atteignent l'efficacité à la densité du modèle tout en ayant si-multanément d'excellentes propriétés de robustesse. Dans cet article, nous examinons l'application de cette approche à deux modèles semi-paramétriques. En particulier, nous considérons un mélange de deux modèles et un modèle semi-paramétrique à deux échantillons. Dans chaque cas, nous investigons les estimateurs à distance d'Hellinger minimale de paramètres d'intérêt d'un espace euclidien de dimension finie et nous étudions leurs propriétés asymptotiques de base. En utilisant une étude de Monte-Carlo, nous examinons les propriétés des estimateurs proposés pour des petits échantillons. De plus, ces résultats peuvent être généralisés à des modèles semi-paramétriques plus généraux. La revue canadienne de statistique 37: 514–533; 2009 © 2009 Sociètè statistique du Canada" @default.
• W2096410324 created "2016-06-24" @default.
• W2096410324 creator A5074559589 @default.
• W2096410324 creator A5088751017 @default.
• W2096410324 date "2009-12-01" @default.
• W2096410324 modified "2023-10-02" @default.
• W2096410324 title "On minimum Hellinger distance estimation" @default.
• W2096410324 cites W1460189015 @default.
• W2096410324 cites W1528967019 @default.
• W2096410324 cites W1963874316 @default.
• W2096410324 cites W1968956560 @default.
• W2096410324 cites W1974573251 @default.
• W2096410324 cites W1998094291 @default.
• W2096410324 cites W1998793857 @default.
• W2096410324 cites W2018144913 @default.
• W2096410324 cites W2018543390 @default.
• W2096410324 cites W2028863016 @default.
• W2096410324 cites W2040345478 @default.
• W2096410324 cites W2044105665 @default.
• W2096410324 cites W2049989050 @default.
• W2096410324 cites W2057848969 @default.
• W2096410324 cites W2060195349 @default.
• W2096410324 cites W2061605822 @default.
• W2096410324 cites W2062703627 @default.
• W2096410324 cites W2068127083 @default.
• W2096410324 cites W2068951897 @default.
• W2096410324 cites W2069832346 @default.
• W2096410324 cites W2081848661 @default.
• W2096410324 cites W2084238990 @default.
• W2096410324 cites W2085199559 @default.
• W2096410324 cites W2092459737 @default.
• W2096410324 cites W2093043381 @default.
• W2096410324 cites W2093064776 @default.
• W2096410324 cites W2095055716 @default.
• W2096410324 cites W2095225664 @default.
• W2096410324 cites W2118132743 @default.
• W2096410324 cites W2118633393 @default.
• W2096410324 cites W2147519134 @default.
• W2096410324 cites W2222101232 @default.
• W2096410324 cites W2334452549 @default.
• W2096410324 cites W2488678869 @default.
• W2096410324 cites W3122376178 @default.
• W2096410324 cites W3122409952 @default.
• W2096410324 cites W4229530126 @default.
• W2096410324 cites W4362131110 @default.
• W2096410324 doi "https://doi.org/10.1002/cjs.10042" @default.
• W2096410324 hasPublicationYear "2009" @default.
• W2096410324 type Work @default.
• W2096410324 sameAs 2096410324 @default.
• W2096410324 citedByCount "21" @default.
• W2096410324 countsByYear W20964103242012 @default.
• W2096410324 countsByYear W20964103242013 @default.
• W2096410324 countsByYear W20964103242014 @default.
• W2096410324 countsByYear W20964103242017 @default.
• W2096410324 countsByYear W20964103242018 @default.
• W2096410324 countsByYear W20964103242020 @default.
• W2096410324 countsByYear W20964103242021 @default.
• W2096410324 countsByYear W20964103242022 @default.
• W2096410324 countsByYear W20964103242023 @default.
• W2096410324 crossrefType "journal-article" @default.
• W2096410324 hasAuthorship W2096410324A5074559589 @default.
• W2096410324 hasAuthorship W2096410324A5088751017 @default.
• W2096410324 hasConcept C104317684 @default.
• W2096410324 hasConcept C105795698 @default.
• W2096410324 hasConcept C117251300 @default.
• W2096410324 hasConcept C153024298 @default.
• W2096410324 hasConcept C185429906 @default.
• W2096410324 hasConcept C185592680 @default.
• W2096410324 hasConcept C28826006 @default.
• W2096410324 hasConcept C33923547 @default.
• W2096410324 hasConcept C41008148 @default.
• W2096410324 hasConcept C55493867 @default.
• W2096410324 hasConcept C63479239 @default.
• W2096410324 hasConceptScore W2096410324C104317684 @default.
• W2096410324 hasConceptScore W2096410324C105795698 @default.
• W2096410324 hasConceptScore W2096410324C117251300 @default.
• W2096410324 hasConceptScore W2096410324C153024298 @default.
• W2096410324 hasConceptScore W2096410324C185429906 @default.
• W2096410324 hasConceptScore W2096410324C185592680 @default.
• W2096410324 hasConceptScore W2096410324C28826006 @default.
• W2096410324 hasConceptScore W2096410324C33923547 @default.
• W2096410324 hasConceptScore W2096410324C41008148 @default.
• W2096410324 hasConceptScore W2096410324C55493867 @default.
• W2096410324 hasConceptScore W2096410324C63479239 @default.
• W2096410324 hasIssue "4" @default.
• W2096410324 hasLocation W20964103241 @default.
• W2096410324 hasOpenAccess W2096410324 @default.
• W2096410324 hasPrimaryLocation W20964103241 @default.
• W2096410324 hasRelatedWork W1988224349 @default.
• W2096410324 hasRelatedWork W2040527709 @default.
• W2096410324 hasRelatedWork W2081771260 @default.
• W2096410324 hasRelatedWork W2095055716 @default.
• W2096410324 hasRelatedWork W2152659406 @default.
• W2096410324 hasRelatedWork W2248286678 @default.
• W2096410324 hasRelatedWork W3123796192 @default.
• W2096410324 hasRelatedWork W4232379160 @default.
• W2096410324 hasRelatedWork W4362558213 @default.
• W2096410324 hasRelatedWork W73199774 @default.

• next