Bivariate Quantile Smoothing Splines
二元分位数平滑样条AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以二维条件分位数函数的非参数估计为核心，对应分位数与分布效应方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
二元分位数平滑样条
- 研究问题
- 如何在二维解释变量空间中非参数估计条件分位数，以提供比均值更完整的描述，并兼顾较大数据集的计算需求？
- 方法与思路
- 作者在双线性张量积样条空间中构造分位数平滑样条，用标准线性规划求解，并建议以惩罚二元 B 样条作为近似。
- 材料陈述的贡献
- 摘要称提出二维条件分位数估计方法，可作为更高维估计的构件，并使用真实数据和模拟数据展示该方法。
- 阅读关注点
- 应核对惩罚项与平滑参数的选择、线性规划表述和近似误差，以及不同分位数之间是否交叉、向高维扩展如何实现。
- 阅读边界
- 仅据所给 Crossref 摘要，未核对全文或版本差异。摘要未说明收敛性质、平滑参数选择规则及高维扩展的具体性能。
原文摘要
Summary It has long been recognized that the mean provides an inadequate summary whereas the set of quantiles can supply a more complete description of a sample. We introduce bivariate quantile smoothing splines, which belong to the space of bilinear tensor product splines, as nonparametric estimators for the conditional quantile functions in a two-dimensional design space. The estimators can be computed by using standard linear programming techniques and can further be used as building-blocks for conditional quantile estimations in higher dimensions. For moderately large data sets, we recommend penalized bivariate B-splines as approximate solutions. We use real and simulated data to illustrate the methodology proposed.