Improving Coverage Accuracy of Nonparametric Prediction Intervals
提高非参数预测区间的覆盖准确性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：摘要研究一般随机变量的非参数预测区间，未明确涉及宏观预测、收益预测或分布效应。
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
提高非参数预测区间的覆盖准确性
- 研究问题
- 如何改善从样本分布预测未来随机变量取值的区间覆盖率，以及常见重抽样与次序统计量校准方法为何表现不同？
- 方法与思路
- 作者考察自助法和删一法的覆盖校准，提出采用平滑自助法或相邻次序统计量插值来降低预测区间覆盖误差。
- 材料陈述的贡献
- 摘要称，普通自助法和删一法校准表现较差，而平滑自助法与特定插值能够改善覆盖误差，其改善阶数呈非直观规律。
- 阅读关注点
- 应核对覆盖率的定义、抽样与分布条件、平滑参数选择，以及不同数量次序统计量插值对应的误差展开。
- 阅读边界
- 仅依据所给 Crossref 摘要；分布正则条件及具体校准算法未说明，不能推广到任意预测任务或具有依赖性的数据。
原文摘要
Summary Methods are suggested for improving the coverage accuracy of intervals for predicting future values of a random variable drawn from a sampled distribution. It is shown that properties of solutions to such problems may be quite unexpected. For example, the bootstrap and the jackknife perform very poorly when used to calibrate coverage, although the jackknife estimator of the true coverage is virtually unbiased. A version of the smoothed bootstrap can be employed for successful calibration, however. Interpolation among adjacent order statistics can also be an effective way of calibrating, although even there the results are unexpected. In particular, whereas the coverage error can be reduced from O(n -1) to orders O(n -2) and O(n -3) (where n denotes the sample size) by interpolating among two and three order statistics respectively, the next two orders of reduction require interpolation among five and eight order statistics respectively.