arXiv:2605.07970math.STcs.LG2026-05被引 2
提出一种新方法，精准计算模型对数据扰动的响应。
Linear Response Estimators for Singular Statistical Models
- 用可观测变量的响应定义敏感度，适用于广义统计模型
- 在大数据量下，估计器具有一致性和渐近无偏性
- 适合研究模型对数据变化敏感性的研究人员
我们为参数化统计模型中的一般可观测变量定义了响应度（susceptibilities），作为其对数据扰动的响应度量。针对这些响应度，我们定义了一类基于n个数据点序列的估计量，并证明在大样本极限下，这些估计量是一致且渐近无偏的。
原文摘要 · Abstract (English)
We define susceptibilities as a measure of the response of an observable quantity of a parameterized statistical model to a perturbation of the data for a general class of observables. We define estimators for these susceptibilities as statistics in a sequence of n data-points and prove that these estimators are consistent and asymptotically unbiased in the large n regime.
统计建模敏感度分析大样本
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。