Nonparametric Interval and Point Prediction Using Data Trimmed by a Grubbs-Type Outlier Rule
基于 Grubbs 型异常值规则修剪数据的非参数区间与点预测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：摘要涉及一般位置模型中的稳健预测，未明确涉及时间序列预测或分布效应等所列方向。
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
基于 Grubbs 型异常值规则修剪数据的非参数区间与点预测
- 研究问题
- 在位置模型中，如何利用异常值子集规则选择保留数据区间，并据此预测未来观测及描述区间的渐近性质？
- 方法与思路
- 作者选择包含给定比例数据且样本方差最小的连续区间，并用区间中点与区间内截尾均值的关系近似刻画它。
- 材料陈述的贡献
- 摘要称，所选区间可形成预测未来观测的容忍区间，并给出该区间位置、覆盖率及中心的渐近分布规律。
- 阅读关注点
- 应核对连续区间的选择规则、近似刻画的误差条件，以及容忍区间覆盖率与中心渐近结果所需的分布假设。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明正则条件和有限样本覆盖性质，不能将容忍区间直接等同于置信区间。
原文摘要
For a fixed probability $0 < \gamma < 1$, the "most outlying" $100(1 - \gamma){\tt\%}$ subset of the data from a location model may be located with a Grubbs outlier subset test statistic. This subset is essentially located in terms of its complement, which is the connected $100\gamma{\tt\%}$ span of the data which supports the smallest sample variance. We show that this range of the data may be characterized approximately as the $100\gamma{\tt\%}$ span such that its midpoint is equal to the trimmed mean averaged over the span. Such a range forms a tolerance interval for predicting a future observation from the location model, and the asymptotic laws for its location, coverage, and center are presented.