Bahadur–Kiefer Type Representations for Smoothed Conditional Quantile Estimators
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Bahadur and Kiefer derived almost sure (a.s.) representations for the (unconditional) sample quantile function in terms of the standard (unsmoothed) empirical distribution function. Their representations later became commonly known as the Bahadur–Kiefer (BK) representations. In this article, we establish BK type a.s. representations, and the resulting laws of iterated logarithm, for three distinct fully nonparametric smooth conditional quantile estimators—with optimal orders for the remainders—viz. for a smooth linear type, a Parzen-type smoothed (integrated) inverse and a smooth inverse type (kernel) conditional quantile estimator (c.q.e.) under some broad conditions on the underlying cdf’s and the kernels and bandwidth sequences employed. We also demonstrate that of these the linear type c.q.e. is, in fact, ‘second-order-equivalent’ to the Parzen-type smoothed (integrated) inverse c.q.e. Some remarks are included on the comparative merits of these smooth c.q.e.’s, and their BK representations relative to their smooth and unsmoothed counterparts studied earlier in literature and possible extensions of the present results. Our results are of the exact a.s. type and provide improvements over those achieved hitherto in literature. They are of considerable value for studying the asymptotics of quantile regression analytics. AMS Subject Classification: Primary 62G05, 62G07; secondary: 60F15, 62G20, 62G30
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle