Monge–Kantorovich depth, quantiles, ranks and signs
Monge–Kantorovich 深度、分位数、秩与符号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：摘要直接研究多元分位数、统计深度及分布形状，为分位数与分布研究提供明确方法依据。
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…
Monge–Kantorovich 深度、分位数、秩与符号
- 研究问题
- 如何用分布与单位球参考分布之间的输运映射定义多元分位数、深度及秩，并刻画分布的非凸特征？
- 方法与思路
- 作者基于规范输运映射定义总体对象及经验对应物，通过经验正向与反向输运映射的一致收敛研究一致性。
- 材料陈述的贡献
- 摘要称新深度在一维和球形分布下与半空间深度一致，在一般分布下能反映非凸特征，并给出经验对象一致性。
- 阅读关注点
- 应核对参考分布、输运映射的存在唯一性、经验映射构造，以及映射收敛如何支持各类分位数和深度的一致性。
- 阅读边界
- 仅据所给 OpenAlex 摘要；正则条件与计算细节未提供，不能据此推出因果分布效应识别或任意分布下的有限样本表现。
原文摘要
We propose new concepts of statistical depth, multivariate quantiles, vector quantiles and ranks, ranks and signs, based on canonical transportation maps between a distribution of interest on $\mathbb{R}^{d}$ and a reference distribution on the $d$-dimensional unit ball. The new depth concept, called Monge–Kantorovich depth, specializes to halfspace depth for $d=1$ and in the case of spherical distributions, but for more general distributions, differs from the latter in the ability for its contours to account for non-convex features of the distribution of interest. We propose empirical counterparts to the population versions of those Monge–Kantorovich depth contours, quantiles, ranks, signs and vector quantiles and ranks, and show their consistency by establishing a uniform convergence property for empirical (forward and reverse) transport maps, which is the main theoretical result of this paper.