Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2510.18367

帮助 | 高级搜索

数学 > 统计理论

arXiv:2510.18367 (math)
[提交于 2025年10月21日 ]

标题: Wasserstein 投影估计量用于圆形分布

标题: Wasserstein projection estimators for circular distributions

Authors:Naoki Otani, Takeru Matsuda
摘要: 对于圆上的统计模型,我们研究了以经验分布相对于Wasserstein距离的投影定义的估计量的性能。我们开发了基于圆上Wasserstein距离公式的计算Wasserstein投影估计量的算法。在von Mises、包裹柯西和正弦偏斜von Mises分布上的数值结果表明,Wasserstein投影估计量的准确性与最大似然估计量相当。此外,$L^1$-Wasserstein投影估计量被发现对噪声污染具有鲁棒性。
摘要: For statistical models on circles, we investigate performance of estimators defined as the projections of the empirical distribution with respect to the Wasserstein distance. We develop algorithms for computing the Wasserstein projection estimators based on a formula of the Wasserstein distances on circles. Numerical results on the von Mises, wrapped Cauchy, and sine-skewed von Mises distributions show that the accuracy of the Wasserstein projection estimators is comparable to the maximum likelihood estimator. In addition, the $L^1$-Wasserstein projection estimator is found to be robust against noise contamination.
主题: 统计理论 (math.ST)
引用方式: arXiv:2510.18367 [math.ST]
  (或者 arXiv:2510.18367v1 [math.ST] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.18367
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Takeru Matsuda [查看电子邮件]
[v1] 星期二, 2025 年 10 月 21 日 07:37:30 UTC (13 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
math.ST
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
math
stat
stat.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号