Adaptive confidence intervals for regression functions under shape constraints
形状约束下回归函数的自适应置信区间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：摘要涉及形状约束下的通用回归推断，未明确对应因果或分布效应等细分方向。
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
形状约束下回归函数的自适应置信区间
- 研究问题
- 在单调性或凸性约束下，如何构造保持规定覆盖率、同时针对每个具体回归函数尽可能缩短期望长度的置信区间？
- 方法与思路
- 作者利用局部连续模建立给定函数处最小期望长度的基准，并构造在相应函数类内保持覆盖概率的置信区间。
- 材料陈述的贡献
- 摘要称所构造区间对每个函数具有接近最小的期望长度，这种逐函数自适应性强于大参数空间集合上的自适应极小极大性。
- 阅读关注点
- 应核对局部连续模的定义、函数类如何进入长度下界，以及覆盖率保证、区间构造和接近最优的具体含义。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；观测模型、区间针对的函数位置及近最优常数未说明，不能推断同时置信带结论。
原文摘要
Adaptive confidence intervals for regression functions are constructed under shape constraints of monotonicity and convexity. A natural benchmark is established for the minimum expected length of confidence intervals at a given function in terms of an analytic quantity, the local modulus of continuity. This bound depends not only on the function but also the assumed function class. These benchmarks show that the constructed confidence intervals have near minimum expected length for each individual function, while maintaining a given coverage probability for functions within the class. Such adaptivity is much stronger than adaptive minimaxity over a collection of large parameter spaces.