结果表明，均值的稳健估计（截尾均值估计）在总体分布被污染时能降低MSE. 1.2 Estimating a confidence level 在应用统计中经常遇到的一个问题是估计总体的分布.比如，许多常用的统计 推断方法和工具都是基于正态性假设下的.而在实际中，总体分布非正态是经 常的，估计量的分布可能不知道或者没有显示表示，此时，Monte Carlo方法 则可以用来进行统计推断」 假设(U,V)是未知参数的置信区间，则统计量U,V的分布都依赖于抽样分 布X的分布Fx·置信水平就是区间(U,V)能够覆盖真值的概率.因此估计置 信水平就是一个积分估计问题， 比如考虑方差的置信区间估计问题.标准的方法是对正态性假设很敏感的， 在数据（样本）偏离正态分布时，我们来使用Monte Carlo方法估计真实的置信 水平.首先看正态假定下方差的置信区间估计（标准方法）： Previous Next First Last Back Forward 10(JL², ˛ä­ËO(ó˛äO)3oN©Ÿ¿/ûU¸$ MSE. 1.2 Estimating a confidence level 3A^⁄O•²~ëòáØK¥OoN©Ÿ. 'X, Nı~^⁄O ̉ ê{⁄Û‰—¥ƒu5be. 3¢S•, oN©Ÿö¥² ~, O ˛©ŸåUÿ½ˆvkw´L´, dû, Monte Carlo ê{ Kå±^5?1 ⁄Ỏ. b(U, V )¥ôÎÍθò&´m, K⁄O˛U, V ©Ÿ—ù6uƒ © ŸX©ŸFX. ò&Y²“¥´m(U, V )U CXθ˝äV«. œd Oò &Y²“¥òứOØK. 'Xƒêò&´mOØK. IOê{¥È5bÈØa, 3Í‚() †l©Ÿû, ·Ç5¶^Monte Carloê{O˝¢ò& Y². ƒkwb½ eêò&´mO(IOê{): Previous Next First Last Back Forward 10