A Smooth Nonparametric Estimator of a Quantile Function
分位数函数的平滑非参数估计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：摘要直接研究总体分位数函数的非参数估计，对应分位数与分布方法方向。
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
分位数函数的平滑非参数估计
- 研究问题
- 如何构造比传统样本分位数函数更平滑的非参数估计，同时考察其渐近分布、均方收敛速度与窗口宽度选择？
- 方法与思路
- 作者提出核型分位数函数估计量，通过理论分析和蒙特卡洛比较考察其性质，并讨论用 Bootstrap 估计最优窗口宽度的可行性。
- 材料陈述的贡献
- 摘要称，新估计量与传统样本分位数具有相同渐近分布，并分析均方收敛速度；同时提供估计量比较与窗口选择的研究。
- 阅读关注点
- 应核对核与窗口宽度的条件、分位点范围、均方收敛速度的具体结论，以及 Bootstrap 窗口选择究竟得到何种理论或模拟支持。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；收敛速度表达式和模拟数值未给出，相同渐近分布不能证明有限样本表现更好。
原文摘要
A smooth alternative to the conventional sample quantile function as a nonparametric estimator of a population quantile function is proposed. The proposed estimator is essentially a kernel type of estimator and has the same asymptotic distribution as the conventional sample quantile. The mean squared convergence rate of the proposed estimator is also estimated. Monte Carlo studies are conducted to compare the proposed estimator with the sample quantile and the estimator proposed by Kaigh and Lachenbruch. The feasibility of using bootstrap techniques to estimate the optimal window width for the proposed estimator is also considered.