Confidence tubes for multiple quantile plots via empirical likelihood
基于经验似然的多重分位数图置信管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：摘要直接研究多个样本的分位数图及其同时置信管，对应分位数与分布分析方法。
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
基于经验似然的多重分位数图置信管
- 研究问题
- 对于多个独立且可能右删失的样本，如何为多重分位数图构造同时置信管，并厘清其渐近分布无关性？
- 方法与思路
- 作者采用非参数经验似然方法构造分位数图的同时置信管与逐点版本，分别分析样本数量及右删失的影响。
- 材料陈述的贡献
- 摘要称，同时置信管通常渐近分布无关，但三个及以上样本且存在删失时例外；逐点版本在各类情形下均有此性质。
- 阅读关注点
- 应核对同时与逐点覆盖的区别、所称最低条件，以及多样本删失情形的校准方式和三个真实数据例子的表现。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；未列出最低条件、置信管计算细节或有限样本覆盖率，渐近性质不保证小样本表现。
原文摘要
The nonparametric empirical likelihood approach is used to obtain simultaneous confidence tubes for multiple quantile plots based on $k$ independent (possibly right-censored) samples. These tubes are asymptotically distribution free, except when both $k \geq 3$ and censoring is present. Pointwise versions of the confidence tubes, however, are asymptotically distribution free in all cases. The various confidence tubes are valid under minimal conditions. The proposed methods are applied in three real data examples.