Statistical Inference for Conditional Curves: Poisson Process Approach
条件曲线的统计推断：泊松过程方法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：摘要明确以条件分布函数参数及非参数回归分位数估计为对象，与分位数和分布方法方向直接相关。
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
条件曲线的统计推断：泊松过程方法
- 研究问题
- 基于独立重复观测，如何推断多个协变量取值处条件分布的函数参数，并统一处理回归均值、回归分位数等对象？
- 方法与思路
- 作者通过截断经验点过程的泊松近似，将条件统计问题转化为无条件问题，并以非参数回归均值和分位数估计示范。
- 材料陈述的贡献
- 摘要提出研究条件分布函数参数的一般方法，涵盖多个条件位置的联合对象；具体误差界、收敛速率和推断形式未说明。
- 阅读关注点
- 应核对截断与局部化方式、泊松近似的误差控制，以及条件位置、维度和函数参数性质对回归分位数推断的限制。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；近似成立条件及具体推断保证未说明，不能据此认定适用于所有条件函数参数。
原文摘要
A Poisson approximation of a truncated, empirical point process enables us to reduce conditional statistical problems to unconditional ones. Let $(\mathbf{X,Y})$ be a $(d + m)$-dimensional random vector and denote by $F(\cdot\mid\mathbf{x})$ the conditional d.f. of $\mathbf{Y}$ given $\mathbf{X} = \mathbf{x}$. Applying our approach, one may study the fairly general problem of evaluating a functional parameter $T(F(\cdot\mid\mathbf{x}_1),\ldots,F(\cdot\mid\mathbf{x}_p))$ based on independent replicas $(\mathbf{X}_1,\mathbf{Y}_1),\ldots,(\mathbf{X}_n,\mathbf{Y}_n)$ of $(\mathbf{X,Y})$. This will be exemplified in the particular cases of nonparametric estimation of regression means and regression quantiles besides other functionals.