Fast and fair simultaneous confidence bands for functional parameters
函数参数的快速、公平同时置信带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：摘要聚焦函数参数置信带，未涉及所列经济计量应用细分。
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
函数参数的快速、公平同时置信带
- 研究问题
- 如何为函数参数构造计算快速的同时置信带，平衡定义域不同分区的假阳性率，并适用于仅观测片段的函数数据？
- 方法与思路
- 作者提出不依赖重抽样或完整协方差函数估计的置信带方法，并以各分区假阳性率平衡作为公平性约束。
- 材料陈述的贡献
- 摘要称置信带支持整体及局部解释，可用于片段式数据；模拟报告良好有限样本表现，并给出运动生物力学与生长曲线案例。
- 阅读关注点
- 应核对同时覆盖与分区假阳性率的关系、公平约束的实现方式，以及片段观测下仍需估计哪些量和满足哪些条件。
- 阅读边界
- 所给 Crossref 摘要中的公平指分区假阳性率平衡；未给出覆盖条件、时间或误差数值，无法独立判断速度和比较优势。
原文摘要
Abstract Quantifying uncertainty using confidence regions is a central goal of statistical inference. Despite this, methodologies for confidence bands in functional data analysis are still underdeveloped compared to estimation and hypothesis testing. In this work, we present a new methodology for constructing simultaneous confidence bands for functional parameter estimates. Our bands possess a number of positive qualities: (1) they are not based on resampling and thus are fast to compute, (2) they are constructed under the fairness constraint of balanced false positive rates across partitions of the bands’ domain which facilitates the typical global, but also novel local interpretations, and (3) they do not require an estimate of the full covariance function and thus can be used in the case of fragmentary functional data. Simulations show the excellent finite-sample behaviour of our bands in comparison to existing alternatives. The practical use of our bands is demonstrated in two case studies on sports biomechanics and fragmentary growth curves.