.png){kind=icon}
返回
Mixture quantiles estimated by constrained linear regression
.png){kind=icon}
PRE
AI
DOI：10.1007/s10479-026-07151-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
通过分位数函数建模单变量分布的问题。我们介绍了一个灵活的分布族，其分位数函数是基分位数的线性组合。由于模型在其参数上是线性的，估计简化为约束线性回归，产生一个凸优化问题，可以方便地容纳基数约束以及 $$L_1$$ 或平滑正则化。对于 $$L_q$$ -型目标，我们证明估计量在渐近上等价于最小 q-Wasserstein 距离估计量，并建立了渐近正态性。在模拟和真实数据集上的实验表明，所提出的方法能够准确地捕捉分布的中央主体和极端尾部，同时比标准基准方法所需的计算量少得多。
Keyword:
Quantile function estimation
Fat-tailed distribution
Constrained linear regression
Minimum Wasserstein distance estimator
Convex programming