Mixture Quantiles Estimated by Constrained Linear Regression
用约束线性回归估计混合分位数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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要主题为分位数函数建模与分位数估计方法，直接对应“分位数与分布效应”这一细分方向。
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
用约束线性回归估计混合分位数
- 研究问题
- 摘要称，研究如何通过分位数函数对单变量分布建模，并估计一类分位数函数为基分位数线性组合的分布族。
- 方法与思路
- 作者提出将分位数函数设为基分位数的线性组合，因模型对参数线性，估计化为带约束的线性回归，即凸优化问题，可容纳基数约束以及 L1 或平滑正则化；对 Lq 型目标，摘要称证明估计量与最小 q-Wasserstein 距离估计量渐近等价并具有渐近正态性。
- 材料陈述的贡献
- 摘要称提出了一族灵活分布模型与相应凸优化估计框架，可同时处理基数约束与正则化，并在模拟和真实数据上称能刻画分布中心与极端尾部，且计算量明显低于标准基准方法。
- 阅读关注点
- 应核对基分位数的选取与约束设定、Lq 目标下渐近等价与渐近正态所需的正则条件、基数约束下凸优化的求解与调参方式，以及实验比较的基准、评价指标与计算成本口径。
- 阅读边界
- 仅凭摘要无法判断识别条件、定理前提、模拟设计与实证数据细节，也无法核实计算优势与尾部拟合结论；该文为 arXiv 预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
We study the problem of modeling univariate distributions via their quantile functions. We introduce a flexible family of distributions whose quantile function is a linear combination of basis quantiles. Because the model is linear in its parameters, estimation reduces to constrained linear regression, yielding a convex optimization problem that readily accommodates cardinality constraints as well as L1 or smoothness regularization. For Lq-type objectives we show the estimator is asymptotically equivalent to a minimum q-Wasserstein distance estimator and establish asymptotic normality. Experiments on simulated and real-world datasets demonstrate that the proposed method accurately captures both the central body and extreme tails of distributions while requiring substantially less computation than standard benchmark approaches.