本文介绍了一种新型稳定化高阶影响函数估计器，旨在改进统计估计技术的实际应用。所提出的方法旨在克服先前高阶估计器（特别是涉及非参数密度估计或求逆高维矩阵的估计器）的数值不稳定性与计算挑战。作者们为他们的新型估计器类提供了理论保证，表明它们在统计性能上与现有方法相似，但稳定性有所增强。 AI
影响 该研究为统计估计的理论基础做出了贡献，可能影响未来的AI模型开发和分析。
排序理由 该条目是一篇在arXiv上发表的关于统计理论的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.04743v1 Announce Type: cross Abstract: Higher-order influence functions, introduced in a series of articles (Robins et al., 2008, 2009a; van der Vaart, 2014; Robins et al., 2016, 2023; Liu et al., 2017), are a unified framework for constructing rate-optimal point estim…
Higher-order influence functions, introduced in a series of articles (Robins et al., 2008, 2009a; van der Vaart, 2014; Robins et al., 2016, 2023; Liu et al., 2017), are a unified framework for constructing rate-optimal point estimates of a class of statistical functionals, under …