Local asymptotics for quantile smoothing splines
分位数平滑样条的局部渐近理论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：摘要明确研究条件分位数的平滑样条估计及其局部分布理论。
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
分位数平滑样条的局部渐近理论
- 研究问题
- 对以拟合与粗糙度惩罚共同定义的分位数平滑样条，如何建立局部渐近理论，并支持收敛率、局部分布及平滑参数选择的分析？
- 方法与思路
- 作者为样条局部参数建立 Bahadur 表示，用于局部与一致收敛、分位数 B 样条分布分析，以及拟合度量的信息准则展开。
- 材料陈述的贡献
- 摘要称给出局部渐近结果及相关收敛率和分布理论，分析选择平滑参数的信息准则，并展示利用样条导数估计跳跃函数的例子。
- 阅读关注点
- 阅读时应核对函数空间、惩罚设定与局部参数定义，Bahadur 表示的条件，以及信息准则和跳跃函数例子的具体含义。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；其中收敛率公式括号有乱码，需查阅原 PDF，不能据此重构公式；具体渐近条件未说明。
原文摘要
Quantile smoothing splines were introduced by Koenker, Ng and Portnoy as natural and appealing estimates of conditional quantiles of response variables. The natural setting for the problem considers minimization of a weighted combination of a "fit" penalty and a "roughness" penalty over the space of functions whose derivatives have bounded variation. Although this space is not traditional, Shen has shown recently that the quantile smoothing splines do indeed converge at the usual optimal rate $n^{-2/5)$ in various norms. Here, local asymptotic results are obtained by establishing Bahadur representations for local parameters of the splines. These are used to obtain local rates of convergence, to establish uniform convergence rates, to provide local distribution theory for quantile B-splines and to expand the "fit" measure in order to analyze an information criterion for determining the smoothing parameter. Examples of using derivatives of the smoothing splines for estimating jump functions are also presented.