On prediction intervals based on predictive likelihood or bootstrap methods
基于预测似然或自助法的预测区间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：摘要讨论一般预测区间理论，未说明时间序列、宏观预测或金融收益预测对象。
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
基于预测似然或自助法的预测区间
- 研究问题
- 预测似然区间是否改善简单估计式区间的覆盖误差，自助法校准能否进一步提升两类预测区间的覆盖精度？
- 方法与思路
- 作者分析预测似然隐含密度逼近中的参数曲率问题，比较覆盖误差，并对简单方法与预测似然方法进行自助法校准。
- 材料陈述的贡献
- 摘要称预测似然方法的覆盖误差阶并未优于简单方法，而自助法校准可提升精度阶数，且简单区间保留计算与分析上的简便性。
- 阅读关注点
- 应核对覆盖误差展开的条件、双侧区间与单侧预测限的区别，以及校准算法、误差符号比较和计算负担。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；模型与校准条件未说明，不能将作者的比较结论推广到所有预测任务。
原文摘要
We argue that prediction intervals based on predictive likelihood do not correct for curvature with respect to the parameter value when they implicitly approximate an unknown probability density. Partly as a result of this difficulty, the order of coverage error associated with predictive intervals and predictive limits is equal to only the inverse of sample size. In this respect those methods do not improve on the simpler, 'naive' or 'estimative' approach. Moreover, in cases of practical importance the latter can be preferable, in terms of both the size and sign of coverage error. We show that bootstrap calibration of both a naive and predictive-likelihood approaches increases coverage accuracy of prediction intervals by an order of magnitude, and, in the case of naive intervals, preserves that method's numerical and analytical simplicity. Therefore, we argue, the bootstrap-calibrated naive approach is a particularly competitive alternative to more conventional, but more complex, techniques based on predictive likelihood.