On superlevel sets of conditional densities and multivariate quantile regression
条件密度超水平集与多元分位数回归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：摘要以条件密度超水平集构建多元分位数区域，并讨论单变量分位数恢复。
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…
条件密度超水平集与多元分位数回归
- 研究问题
- 如何定义随协变量变化的多元分位数区域，使其同时反映概率质量的集中位置，并具有清晰的概率含义？
- 方法与思路
- 作者以条件多元密度的超水平集替代既有多元分位数定义，并从过度拟合的多元高斯混合模型提取这些集合。
- 材料陈述的贡献
- 摘要称，方法可生成逻辑一致、不交叉的条件超水平集，也能恢复传统单变量分位数，并展示家庭支出应用。
- 阅读关注点
- 应核对密度阈值与目标概率含量的对应、混合模型拟合及复杂度处理，以及不交叉性质与统计一致性的区别。
- 阅读边界
- 仅据 OpenAlex 所列摘要；混合成分选择、一般分布下的误差保证和应用数值未说明，不能补称普遍一致性。
原文摘要
Some common proposals of multivariate quantiles do not sufficiently control the probability content, while others do not always accurately reflect the concentration of probability mass. We suggest superlevel sets of conditional multivariate densities as an alternative to current multivariate quantile definitions. Hence, the superlevel set is a function of conditioning variables much like in quantile regression. We show that conditional superlevel sets have favorable mathematical and intuitive features, and support a clear probabilistic interpretation. We derive the superlevel sets for a conditional or marginal density of interest from an (overfitted) multivariate Gaussian mixture model. This approach guarantees logically consistent (i.e., non-crossing) conditional superlevel sets and also allows us to obtain more traditional univariate quantiles. We demonstrate recovery of the true conditional univariate quantiles for distributions with correlation, heteroskedasticity, or asymmetry and apply our method in univariate and multivariate settings to a study on household expenditures.