Methods for Estimating a Conditional Distribution Function
条件分布函数的估计方法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：摘要明确以时间序列预测区间为动机，并将条件分布估计用于独立数据的分位数估计，支持这两个方向。
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…
条件分布函数的估计方法
- 研究问题
- 如何估计条件分布以构造时间序列预测区间，并使估计结果满足分布函数的要求？摘要也讨论独立数据的分位数估计。
- 方法与思路
- 作者提出局部逻辑模型拟合与经调整的 Nadaraya–Watson 估计；前者控制取值范围，后者保证估计结果本身为分布函数。
- 材料陈述的贡献
- 摘要称，第一种方法可具有任意高阶且取值始终介于零与一之间；第二种保留所比较二阶估计类的偏差和方差性质。
- 阅读关注点
- 应核对局部拟合阶数、平滑参数和分布约束的实现，并检查时间序列依赖条件及条件分布如何转化为预测区间。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体正则条件、区间覆盖性质及有限样本结果未说明，不能推断刊本变化。
原文摘要
Motivated by the problem of setting prediction intervals in time series analysis, we suggest two new methods for conditional distribution estimation. The first method is based on locally fitting a logistic model and is in the spirit of recent work on locally parametric techniques in density estimation. It produces distribution estimators that may be of arbitrarily high order but nevertheless always lie between 0 and 1. The second method involves an adjusted form of the Nadaraya–Watson estimator. It preserves the bias and variance properties of a class of second-order estimators introduced by Yu and Jones but has the added advantage of always being a distribution itself. Our methods also have application outside the time series setting; for example, to quantile estimation for independent data. This problem motivated the work of Yu and Jones.