샤링을 통한 평균 추정기의 향상된 집중도

초록

본 논문은 기본 추정값 κ̂ 주변에서 멀리 떨어진 표본에 가중치를 감소시키는 적응형 샤링 기법을 제안한다. 데이터 의존적 스케일링 α̂ 와 비감소 함수 w 를 이용해 μ̂ = κ̂ + (1/n)∑(Xi‑κ̂)w(α̂|Xi‑κ̂|) 를 정의하고, 약한 가정 하에 기존 기반 추정기 κ̂ 보다 더 강한 고확률 집중 경계를 얻는다. 특히, 오염된 데이터와 무한 분산 상황에서도 서브가우시안 보장을 제공한다.

상세 분석

논문은 “샤링(축소)”이라는 새로운 프레임워크를 통해 기존의 트리밍, 윈소라이징, Catoni‑형 추정기 등을 일반화한다. 핵심 아이디어는 표본점 Xi 와 기본 추정값 κ̂ 의 차이에 거리‑가중치 w(α̂|Xi‑κ̂|) 를 곱해 평균에 기여하도록 하는 것이다. 여기서 w: