Multi-Quantile Estimators for the parameters of Generalized Extreme Value distribution
本文提出多分位数估计量用于广义极值分布参数估计，其渐近正态且一致，方差随分位数增加而减小，可接近Cramér-Rao下界，为极值建模提供灵活高效方案。
2025-02-27 stat.ME
Probabilistic water demand forecasting using quantile regression algorithms
University of Patras（帕特雷大学）；Roma Tre University（罗马第三大学）；National Technical University of Athens（雅典国立技术大学）
机器和统计学习算法可以可靠地自动化并大规模应用。因此，它们可以成为设计实用预测系统的重要资产，例如与城市用水需求有关的预测系统。分位数回归算法是一种统计和机器学习算法，可以以简单的方式提供概率预测，迄今为止尚未应用于城市需水量预测。在这项工作中，我们的目标是填补这一空白，自动化和广泛比较几个基于分位数回归的实用系统的概率提前一天的城市用水量预测。为了设计实际的系统，我们使用五个单独的算法（即，分位数回归、线性提升、广义随机森林、梯度提升机和分位数回归神经网络算法），它们的均值组合器和中值组合器。比较是通过利用一个大型的城市水流量数据集，以及几种类型的水文气象时间序列（被认为是预测设置中的外生预测变量）。结果大多有利于使用线性升压算法设计的实际系统，可能是由于城市水流量时间序列中存在的趋势。平均值和中位数组合的预测也被发现是熟练的一般条款。
2021-04-16 cs.LG stat.ME stat.ML
Existence and consistency of weighted maximum likelihood estimator for extreme quantile regression
针对极端条件分位数估计中的非线性与尾部外推难题，本文结合块最大值理论与广义随机森林，提出加权最大似然估计法，并证明其存在性与一致性，在模拟和股票投资组合损失数据上验证了有效性。
2026-10-07 stat.ME
Tail Risk Equivalent Level Transition and Its Application for Estimating Extreme $L_p$-quantiles
针对$L_p$-分位数尾部风险转换机制不明的问题，本文提出尾部风险等价水平转换（TRELT）概念，推导其存在性、唯一性与渐近性质，基于该转换提出极端$L_p$-分位数的新外推估计方法，并通过模拟和真实数据验证了方法的有效性。
2024-12-13 stat.ME
Improving precipitation forecasts using extreme quantile regression
针对极端降水预报分位数的估计问题，提出了一种极值指标为常数的非参数回归模型。利用局部线性分位数回归和极值理论的外推技术，我们发展了一个估计的条件分位数对应于极高的概率水平。我们建立了估计的一致相合性和渐近正态性。在模拟研究中，我们研究我们的估计有限样本的性能相比，假设线性分位数的方法。在荷兰的降水数据集，这些估计有更大的预测技能相比，集合预报的数值天气预报模型提供的上部成员。
2019-03-05 stat.AP stat.ME
Quantile-based bias correction and uncertainty quantification of extreme event attribution statements
极端事件归因描述了人为气候变化如何影响某些个别极端天气和气候事件的概率和规模。归因陈述通常涉及归因风险分数（FAR）或风险比（RR）以及相关的置信区间的量化。许多此类分析使用气候模式输出来描述有或没有人为影响的极端事件行为。然而，这种气候模式在描述极端事件时可能存在偏差。为了解释观测数据集和模型数据集之间极端事件概率的差异，我们根据数据集的分位数对模型输出进行了适当的重新缩放，以估计调整后的风险比。我们的方法考虑了风险比率估计中的各种不确定性。特别是，我们提出了一种方法来构建一个单侧置信区间的风险比的下限时，估计的风险比是无穷大。我们使用2011年夏季美国中部的热浪和社区地球系统模型的输出来演示该方法。在这个例子中，我们发现风险比的下限对实际事件的大小和概率相对不敏感。
2016-02-12 stat.ME
Hydrological post-processing for predicting extreme quantiles
利用分位数回归算法进行水文后处理是评估水文预报不确定性的主要手段。尽管如此，传统的大样本理论的分位数回归不适用于足够远的尾部的概率分布的因变量。为了克服这一局限性，可能是至关重要的，当利益在于洪水事件，水文后处理，通过极值分位数回归在这里介绍了水文模型的响应估计的极端分位数。总之，新的水文后处理方法利用极值理论的Hill估计量的性质来外推分位数回归的预测到高分位数。作为一个概念的证明，新方法在这里进行测试，在处理后的每日径流模拟提供了三个基于过程的水文模型为180个流域在美国（CONUS），并进一步比较传统的分位数回归。通过这种大规模的比较，证明了与使用极值分位数回归的水文后处理相比，使用传统分位数回归的水文后处理严重低估了高分位数（在分位数水平0.9999），尽管这两种方法在较低分位数（在分位数水平0.9700）是等效的。此外，研究表明，在相同的背景下，极端分位数回归估计高预测分位数的效率平均而言在三个基于过程的水文模型的大样本研究中是等效的。
2023-01-11 physics.ao-ph stat.ME
Quantile Extreme Gradient Boosting for Uncertainty Quantification
Keck School of Medicine（凯克医学院）；University of Southern California（南加州大学）；University of Minnesota（明尼苏达大学）；University of Toronto（多伦多大学）
本文提出 QXGBoost，通过引入 Huber 范数改进分位数回归目标，使 XGBoost 可高效进行概率预测，并在模拟与交通噪声数据上获得更优的90%预测区间。
2023-04-23 cs.LG stat.ML
Functional nonparametric estimation of conditional extreme quantiles
当函数协变量信息可用时，以及当分位数的阶数随着样本量的增加而收敛到1时，我们讨论了重尾分布分位数的估计。这样的“极端”分位数可以位于数据的范围内，或者接近甚至超出样本的边界，这取决于它们的阶数收敛到1的收敛速度。引入了这些泛函极值分位数的非参数估计，建立了它们的渐近分布，并研究了它们的有限样本行为。
2011-04-01 math.ST stat.ME stat.TH
Inference on Extreme Quantiles of Unobserved Individual Heterogeneity
Universität Bonn, Institute of Finance and Statistics（波恩大学金融与统计学院）
本文提出了一种在面板数据和元分析中对未观测个体异质性极值分位数进行推断的方法，通过极值定理和中间顺序定理构建了优化-free置信区间，并通过企业生产力差异的应用验证了方法的有效性。
2025-06-02 econ.EM stat.ME
Moment Estimator-Based Extreme Quantile Estimation with Erroneous Observations: Application to Elliptical Extreme Quantile Region Estimation
针对极值理论中关注变量含观测误差的问题，量化误差对基于矩的极值指数及极端分位数估计的影响，推导误差渐近可忽略条件，并将方法应用于多元椭圆分布下仿射等变极端分位数区域估计。
2025-02-12 math.ST stat.TH
Global quantile regression
University of South Bohemia（南波希米亚大学）；Chalmers University of Technology（查尔姆斯理工大学）；University of Gothenburg（哥德堡大学）；Natural Resources Institute Finland (Luke)（芬兰自然资源研究所）
本文提出一种全局分位数回归方法，用于检验协变量对整个数据分布的影响，结合排列和全局包络检验，适用于不同条件下的极端分位数分析。
2023-09-09 stat.ME
Online Prediction of Extreme Conditional Quantiles via B-Spline Interpolation
针对条件极端分位数在线预测中GPD拟合计算成本高的问题，提出基于插值的EMI算法，结合分位数回归与B样条插值实现高效预测。
2023-11-23 stat.CO stat.ME
Quantile tomography: using quantiles with multivariate data
使用分位数来获得有关多变量数据的见解。有人认为，通过考虑方向分位数，预测的分位数，可以得到精辟的见解。方向分位数信封提出作为一种方式来凝聚这种信息，它表明，它们基本上是半空间（Tukey）的深度水平集，符合椭圆分布（特别是多元正态）与密度等值线。有关问题的索引，方向分位数信息的反向检索的可能性，仿射变换的不变性，近似/渐近性质进行了研究。有人认为，方向分位数及其信封方面的分析提供了一个简单的概率解释，从而传达了一个具体的定量意义，方向的定义可以适应精心设计的框架，如估计极端分位数和方向分位数回归，回归深度轮廓的协变量。后者促进了多元增长图的构建-这个问题激发了所有的发展。
2013-11-26 stat.ME
Extreme quantile regression in a proportional tail framework
我们重新审视了Einmahl等人最初引入的异方差极值模型（JRSSB，2016），以描述非平稳序列的演变，其极值随时间推移而演变，并将其适应于一般的极端分位数回归框架。给出了极值指标和积分skedasis函数的估计，并证明了它们的渐近正态性。我们的结果是非常相似的异方差极端，但不同的证明方法强调耦合参数。我们还提出了skedasis函数的逐点估计和条件极值分位数的Weissman估计，并证明了这两个估计的渐近正态性。
2020-02-05 math.ST stat.TH
Functional kernel estimators of conditional extreme quantiles
我们解决了“极端”条件分位数的估计，即当它们的顺序收敛到一个作为样本量增加。为了得到渐近高斯分布的核估计，给出了它们的阶收敛到1的收敛速率的条件。导出了条件尾指数的Weissman型估计量和核估计量，允许估计任意阶的极端条件分位数。
2012-12-05 math.ST stat.TH
Pyramid quantile regression
分位数回归模型通过捕获协变量在不同分位数水平的影响，提供了响应变量的条件分布的全貌。在大多数应用中，这些条件分布的参数形式是未知的，并且在协变量空间中变化，因此同时拟合给定的分位数水平而不依赖于参数假设是至关重要的。在这项工作中，我们提出了一个贝叶斯模型的同时线性分位数回归。更具体地说，我们建议通过使用随机概率测度（称为分位数金字塔）来模拟条件分布。与许多现有的方法不同，我们的框架允许我们指定有意义的先验的条件分布，同时保留所提供的非参数误差分布制定的灵活性。模拟研究表明，所提出的方法在估计不同的情况下，通常优于其他竞争力的方法的灵活性。该方法是特别有前途的建模极值分位数。线性样条和极值分析的应用也通过实际数据的例子进行了探讨。
2017-11-02 stat.ME
Mixture Quantiles Estimated by Constrained Linear Regression
Stony Brook University（石溪大学）
本文提出了一种通过约束线性回归估计混合分位数的方法，能够高效建模分布的中央部分和极端尾部。
2026-02-03 stat.ME
Ensemble learning for uncertainty estimation with application to the correction of satellite precipitation products
National Technical University of Athens（雅典国家技术大学）
针对降水数据集构建中分位数回归集成研究不足的问题，提出9种基于分位数的集成学习器，结合新型特征工程策略，在美国本土15年降水数据集上验证，较参考方法性能提升3.91%-8.95%。
2025-08-02 cs.LG stat.ME
An Efficient Multi Quantile Regression Network with Ad Hoc Prevention of Quantile Crossing
University of Kassel（卡塞尔大学）
本文提出了SCQRNN模型，通过在训练中集成ad hoc排序机制有效防止分位数交叉，在降低计算复杂度并加快收敛速度的同时，为多领域自感知系统提供了更可靠的预测不确定性评估。
2024-05-31 cs.LG stat.ML
Joint Quantile Regression for Spatial Data
线性分位数回归是研究预测因子如何在不同分位数水平上不均匀地影响响应的强大工具。不幸的是，现有的方法发现它非常难以调整观察单元之间的任何依赖性，主要是因为这样的方法不是基于一个完全生成的数据模型。为了分析空间索引数据，我们通过推广Yang和Tokdar（2017）的联合分位数回归模型来解决这个困难，并通过高斯或$t$ copula过程来表征观测单位的基础分位数水平的空间依赖性。引入贝叶斯半参数方法来进行模型参数的推断和进行空间分位数平滑。提供了一个有效的模型比较标准，特别是在不同的模型规格的尾部重量和尾部依赖之间进行选择。广泛的模拟研究和美国东北部的颗粒物浓度的应用，以说明在推理质量，准确性和不确定性量化现有的替代品的实质性收益。
2019-10-29 stat.ME
Nonparametric smoothing for extremal quantile regression with heavy tailed distributions
在几个不同的领域，人们对分析底层分布的上尾或下尾分位数而不是平均值或中心分位数感兴趣。然而，尾部分位数的调查是困难的，因为数据稀疏。在本文中，我们试图发展极值分位数水平的非参数分位数回归。在极值分位数回归中，分位数水平的收敛阶有两种技术条件：中间阶和极值阶。对于中间阶分位数，使用普通的非参数估计。另一方面，对于极阶分位数，我们通过外推中阶分位数估计，给出了一个新的估计。渐近理论和极值理论保证了估计量的性能。结果证明了非参数分位数回归估计的渐近正态性和收敛速率。一个模拟，以确认所提出的估计的行为。数据应用也得到了评估。
2019-03-20 math.ST stat.TH
Second order Expansions for Extreme Quantiles of Burr Distributions and Asymptotic Theory of Record Values
本文研究了Burr分布族，它包含12个成员.二阶展开的分位数的伯尔的分布提供了可能基于统计方法，特别是在极值理论。除了适当的兴趣，这些扩展，我们应用它们来描述他们的记录伯尔的分布的渐近规律，导致新的统计检验。
2023-02-22 math.ST stat.TH
Modeling Extreme Events: Univariate and Multivariate Data-Driven Approaches
本文总结团队genEVA在EVA 2023数据挑战赛中的工作，针对单变量与多变量极值任务，分别采用神经网络分位数回归、损失函数微调、copula模型及聚类降维方法，在单变量任务中取得了最准确的分位数估计。
2024-10-16 stat.AP stat.ME
Optimal pooling and distributed inference for the tail index and extreme quantiles
研究了重尾数据中尾指数和极端分位数估计的池化策略。为了充分利用包含在几个样本中的信息，我们提出了一般加权汇总希尔估计的尾部指数和加权汇总韦斯曼估计的极端分位数计算通过一个非标准的几何平均计划。我们在固定的样本个数上发展了他们的大样本渐近理论，涵盖了具有不同和渐近相关分布的异质样本量的一般框架。我们的研究结果包括基于渐近方差和MSE最小化的池权重的最佳选择。在分布推断的重要应用中，我们证明了在子样本组合不可行的情况下，方差最优分布估计与基准Hill和Weissman估计是渐近等价的，而在大偏差的情况下，AMSE最优分布估计比基准估计具有更小的AMSE.我们考虑子样本数量随总样本量增长且有效子样本量可能较低的其他情况。我们扩展我们的方法来处理序列依赖和协变量的存在。模拟证实，我们的合并估计几乎执行以及基准估计。展示了两个应用程序的真实天气和保险数据。
2021-11-04 math.ST stat.ME stat.TH
Extremal Quantile Regression: An Overview
极值分位数回归，即应用于条件分布尾部的分位数回归，在越来越多的经济和金融应用中发挥作用，如风险价值、生产前沿、低婴儿出生体重的决定因素和拍卖模型。本章概述了极值分位数回归理论和算法的最新发展。该理论的进展依赖于对Koenker和Bassett（1978）分位数回归估计定律的极值近似的使用。极值律不仅被证明在尾部提供比高斯律更准确的近似，而且还被用作使用模拟和适当的自举和子采样变化来开发偏差校正估计量和推断方法的基础。这些方法的适用性说明了两个实证例子的条件风险价值和金融传染。
2017-02-08 econ.EM stat.ME
Inference for Extremal Conditional Quantile Models, with an Application to Market and Birthweight Risks
分位数回归是经济学和其他科学中越来越重要的经验工具，用于分析一组回归变量对结果的条件分布的影响。极值分位数回归，或应用于尾部的分位数回归，在许多经济和金融应用中很有意义，例如条件风险价值，生产效率和（S，s）模型中的调整带。在本文中，我们提供了可行的推断工具，极值条件分位数模型，依赖于极值近似的自归一化分位数回归统计分布。该方法易于实现，即使在非回归情况下也可以独立感兴趣。我们用两个实证例子来说明结果，分析股票收益的极端波动和活婴儿出生体重在250和1500克之间的极低波动。
2009-12-26 econ.EM math.ST q-fin.RM
Model averaging with mixed criteria for estimating high quantiles of extreme values: Application to heavy rainfall
Honam Research Division, Electronics and Telecommunications Research Institute（韩国电子与电信研究院湖南研究部）；Department of Statistics, Chonnam National University（全南大学统计系）
本文提出基于混合标准的模型平均法，用于更准确地估计极值高分位数，应用于暴雨数据以提高预测精度和风险评估效果。
2026-02-23 stat.CO stat.ME
On Uniform Confidence Intervals for the Tail Index and the Extreme Quantile
本文给出了尾指数和极值分位数的一致置信区间的两个结果。首先，我们证明了不可能在局部非参数尾部分布族上构造一个长度最优的置信区间来满足正确的均匀覆盖。其次，根据不可能的结果，我们构造诚实的置信区间是一致有效的，通过将最坏情况下的偏差在局部非参数族。该方法适用于模拟数据和国家卫生统计中心的国家人口动态统计的真实数据集。
2022-10-23 math.ST stat.TH
On the estimation of extreme directional multivariate quantiles
在多元极值理论（MEVT）中，重点是在可观察的采样区域之外进行分析，这意味着感兴趣的区域与高风险水平相关。这项工作提供了工具，包括方向的概念到MEVT，使有机会表征最近推出的方向多变量分位数（DMQ）在高层次。然后，给出了这些分位数的样本外估计方法。自举程序进行估计的调整参数在这个多变量框架，并帮助估计的DMQ。所提出的估计的渐近正态性，并与模拟数据集的方法进行说明。最后，一个现实生活中的应用程序，金融案件也执行。
2018-12-04 math.ST stat.AP stat.TH
Convolution Smoothed Quantile Regression for XGBoost
University of Toronto（多伦多大学）
该研究开发了基于分位数的梯度提升框架QXGB，引入卷积平滑损失，通过模拟数据和PM$_{2.5}$预测应用验证其在分位数估计、尾部表征等方面的优势。
2026-08-18 cs.LG stat.ML
On distributionally robust extreme value analysis
我们在极值理论（EVT）的背景下研究分布鲁棒性。我们提供了一个数据驱动的方法来估计极端分位数的方式，对不正确的模型假设的基础上的应用程序的标准极值类型定理是强大的。分布鲁棒性的典型研究涉及计算最坏情况下的模型不确定性区域表示的Kullback-Leibler差异的估计。我们超越标准的分布鲁棒性，我们调查不同形式的差异，并证明严格的结果，这是有助于理解的作用，一个假定的模型不确定性区域的极端分位数估计的背景下。最后，我们说明了我们的数据驱动的方法在不同的设置，包括示例显示如何标准EVT可以显着低估感兴趣的分位数。
2020-06-07 math.ST stat.ME stat.TH
Neural Networks for Extreme Quantile Regression with an Application to Forecasting of Flood Risk
提出结合神经网络与极值理论的EQRN模型用于极端分位数回归，并开发循环版本捕捉时间序列依赖，应用于洪水风险预测，提供动态超越概率预测以辅助预警。
2024-11-12 stat.AP stat.ME stat.ML
On the behavior of extreme $d$-dimensional spatial quantiles under minimal assumptions
“空间”或“几何”分位数是唯一的多元分位数，既处理高维数据，也处理函数数据，也在多输出分位数回归的框架中。这项工作研究的空间分位数在有限维的情况下，其中的空间分位数$μ_{α,u}(P)$的分布$P$采取值在$\mathbb{R}^d $是一个点在$\mathbb{R}^d$索引的顺序$α\in[0,1)$和方向$u$在单位球$\mathcal{S}^{d-1}$的$\mathbb{R}^d$-或等效的矢量$αu$在开放单位球的$\mathbb{R}^d$。最近，Girard和Stupfler（2017）证明了（i）作为$α\to 1$获得的极端分位数$μ_{α,u}(P)$退出$\mathbb{R}^d$的所有紧集，并且（ii）它们在收敛到$u$的方向上这样做。这些结果有助于理解这些分位数的性质：第一个结果特别引人注目，因为即使$P$具有有界支持，它也成立，而第二个结果澄清了空间分位数对$u$的微妙依赖。然而，它们是在假设$P$是非原子的情况下建立的，因此不清楚它们是否适用于经验概率测量。我们通过在更温和的条件下证明这些结果来改进这一点，允许样本情况。这就防止了使用梯度条件参数，这使得证明非常具有挑战性。我们还削弱了著名的有限维空间分位数的唯一性的充分条件。
2020-01-29 math.ST stat.TH
Smooth Density Spatial Quantile Regression
我们推导出的属性，并证明了可取的基于模型的方法估计协变量的分位数函数的空间变化的影响。通过将分位数函数建模为I-样条基函数和帕累托尾分布的组合，我们可以灵活地对极值进行参数建模，同时保留分布中心的非参数灵活性。我们进一步建立，该模型保证了所需程度的可微性的密度函数，使非平稳的协方差函数的估计依赖于预测。我们通过模拟研究表明，所提出的方法产生更有效估计的影响，预测比其他方法，特别是在分布与重尾。为了说明该模型的实用性，我们将其应用到测量的苯收集周围的炼油厂，以确定在炼油厂内的栅栏线测量的分布上的排放源的影响。
2019-04-30 stat.ME
Confidence Intervals on Multivariate Normal Quantiles for Environmental Specification Development in Multi-axis Shock and Vibration Testing
本文针对多轴冲击与振动试验中变量相关性问题，提出两种基于CDF的多元正态分位数置信区间蒙特卡洛方法，用于控制极端响应尾部区域并制定保守的环境试验规范。
2024-04-09 stat.ME
Extremal quantile regression
分位数回归是估计给定协变量向量X的响应Y的条件分位数的重要工具。它不仅可以用来衡量协变量在分布中心的影响，而且可以用来衡量协变量在上尾和下尾的影响。本文发展了尾部分位数回归理论。具体地说，研究了尾部限制在最小吸引域且在回归变量值的尾部等价下闭的线性分位数回归模型的极值（极值阶和中间阶）分位数回归估计的大样本性质.这种建模设置结合了极值理论的限制与领先的同方差和异方差线性规格的回归分析。在大样本下，极阶回归分位数弱收敛于依赖于回归变量的Poisson过程随机积分的\argmin泛函，而中间回归分位数及其泛函收敛于方差矩阵依赖于尾部参数和回归变量设计的法向量.
2005-05-30 econ.EM math.ST stat.TH
Forecasting Arctic Temperatures With Quantile Machine Learning
University of Pennsylvania（宾夕法尼亚大学）
本文利用长yearbyen气象站数据，应用分位数梯度提升方法预测斯瓦尔巴群岛每日气温，重点预测高于0摄氏度的温度以评估其对冰川、积雪和永久冻土的影响，通过调整分位数和损失函数提升预测精度。
2026-04-25 stat.AP
Gradient boosting with extreme-value theory for wildfire prediction
本文详细介绍了$\textit{Kohrrelation}$团队在2021年极值分析数据挑战中的方法，该挑战涉及美国本土野火数量和规模的预测。我们的方法在机器学习背景下使用极值理论的思想，并在理论上证明了梯度提升的损失函数。我们设计了一个空间交叉验证方案，并表明在我们的设置中，它提供了一个更好的代理测试集的性能比天真的交叉验证。这些预测以具有不同损失函数的增强方法为基准，并在评分标准方面表现出竞争力，最终在竞争排名中排名第二。
2022-11-01 stat.AP
Automated threshold selection and associated inference uncertainty for univariate extremes
针对单变量极值分析中阈值选择主观且影响高分位数推断的问题，提出自动平衡偏差与方差的阈值选择方法，并将阈值不确定性传播至极值分位数推断。
2024-10-29 stat.AP stat.ME
Penalized estimation of GEV parameters for extreme quantile regression
Université Le Havre Normandie, Normandie Univ.（勒阿弗尔诺曼底大学）
本文提出基于GEV分布和广义随机森林的惩罚似然方法，解决高概率分位数回归中的尾部外推难题和高维预测变量复杂结构问题。
2026-03-25 math.PR math.ST stat.TH
Profile Likelihood Intervals for Quantiles in Extreme Value Distributions
极值分布中大分位数的剖面似然区间提供了一种很好的方法来估计这些感兴趣的参数，因为它们考虑了在小样本量和中等样本量样本量的情况下似然曲面的不对称性;然而，它们在实践中很少使用。相反，通常使用极大似然渐近（mla）区间，而不考虑样本量。它在这里示出的配置文件似然区间实际上是一个很好的替代估计的分位数的样本量$25 \leq n\leq 100$的块最大值，因为他们提出了足够的覆盖频率相比，这些样本量，这也往往低估了分位数，因此可能是一个危险的统计实践的MLA区间的覆盖频率差。此外，极大似然估计可以呈现问题时，威布尔模型被认为是中等或小的样本量，由于奇异性的相应的密度函数时，形状参数小于1。这些估计问题可以追溯到常用的连续近似的似然函数，并可以避免使用精确或正确的似然函数，至少在这里考虑的设置。最后，以一个降雨资料为例，验证了本文提出的基于剖面似然分析的推理方法。
2010-05-19 stat.AP
A robust mixed-effects quantile regression model using generalized Laplace mixtures to handle outliers and skewness
Syneos Health；University of the Free State（自由州大学）；KU Leuven（荷语鲁汶大学）；University of Stellenbosch（斯坦陵布什大学）
本文提出一种基于受污染广义非对称拉普拉斯混合的贝叶斯混合效应分位数回归模型，以稳健处理离群值和偏态，并在HIV病毒载量衰减数据中验证其优于传统方法。
2025-06-20 stat.ME
Bayesian Inference for Non-Parametric Extreme Value Theory
由于所研究的罕见事件的低样本量和不准确的模型，在实践中难以对随机事件的极值进行统计推断。如果极值的先验知识是可用的，贝叶斯统计可以应用于降低样本的复杂性，但这需要一个已知的概率分布。通过使用极低概率的分位数（$10^{-2}$或更低）并依赖其渐近正态性，可以在不假设任何分布的情况下进行推断。尽管依赖于渐近的结果，它表明，贝叶斯框架，结合先验信息，可以减少所需的观测数量估计一个特定的分位数到一定程度的准确性。
2022-05-17 math.ST stat.ME stat.TH
Parallel gradient boosting for flexible estimation of conditional distributions
Université Paris-Saclay（巴黎萨克雷大学）；UVSQ（凡尔赛圣康丁伊夫林大学）；Inserm（法国国家健康与医学研究院）；CESP（健康与医学研究中心）；Université Paris Cité（巴黎西岱大学）；ENS Paris-Saclay（巴黎萨克雷高等师范学院）；CNRS（法国国家科学研究中心）；SSA（法国军队卫生服务局）；Centre Borelli（博雷利中心）；École du Val-de-Grâce（瓦尔-德-格拉斯学校）；Service de Santé des Armées（法国军队卫生服务局）
研究针对多输出预测中条件分布估计的难题，提出并行梯度提升算法，通过共同下降方向减少计算量，在多变量回归设置中性能优于现有库，所得估计器在高维及复杂协变量情况下表现出色。
2026-10-23 cs.LG stat.ML
Boosting Functional Regression Models with FDboost
R插件包FDboost是一个灵活的工具箱，用于通过基于模型的boosting估计函数回归模型。它提供了用标量和功能协变量的影响拟合标量和功能反应的回归模型的可能性，即，标量对函数、函数对标量和函数对函数回归模型。除了均值回归，分位数回归模型以及位置尺度和形状的广义可加模型也可以用FDboost拟合。此外，boosting可以用于具有比观测值更多协变量的高维数据设置。我们提供了一个关于模型拟合和调整的实践教程，包括结果的可视化。标量函数回归的方法说明与光谱数据的化石燃料和功能反应回归的数据集，包括生物电信号的情绪发作。
2018-04-26 stat.CO
On the Impact of Approximation Errors on Extreme Quantile Estimation with Applications to Functional Data Analysis
本文研究了近似误差对重尾随机对象极值行为评估的影响，给出了保证 Hill 估计量渐近性的条件，推导了新的次序统计量集中不等式，并应用于泛函数据 $L^p$-范数的离散化误差分析。
2024-10-17 math.PR math.ST stat.TH
Out-of-Distribution generalization of quantile regression with heavy tailed inputs: an SVM approach
CNRS（法国国家科学研究中心）；ENS Paris Saclay（巴黎萨克雷高等师范学院）；INSERM（法国国家健康与医学研究院）；Centre Borelli（博雷利中心）
针对协变量取异常大值的分位数回归外推问题，提出基于支持向量机（SVM）的框架，利用再生核希尔伯特空间处理高维非线性情况，并建立有限样本学习保证。
2026-05-29 cs.LG stat.ML
On kernel smoothing for extremal quantile regression
通过反转响应的条件分布的核估计量获得的非参数回归分位数在统计学中早已建立。然而，注意力一直局限于远离条件分布尾部的普通分位数。本文的目的是将他们的渐近理论推广到尾部。我们专注于极值分位数回归估计的响应变量给定的协变量在一般设置的向量，无论条件极值指数是积极的，消极的，或零。具体来说，我们阐明他们的极限分布时，他们位于数据的范围内或附近，甚至超出样本边界，在技术条件下，链接的收敛速度（中间或极端）的分位数函数的振荡和冯-米塞斯属性的条件分布。给出了仿真实验和实际数据的说明。真实的数据是美国电力数据，其中条件极值的估计被发现是真正感兴趣的。
2013-12-18 math.ST stat.TH
Quantile Least Squares: A Flexible Approach for Robust Estimation and Validation of Location-Scale Families
本文提出分位数最小二乘（QLS）方法，利用样本分位数的联合渐近正态性构造位置-尺度参数的显式稳健估计量，并建立拟合优度检验，在谷歌股票收益率数据上验证了逻辑分布假设。
2025-05-02 stat.CO stat.ME
Scale-mixture Birnbaum-Saunders quantile regression models applied to personal accident insurance data
人身意外保险数据的建模一直是保险文献中一个非常相关的话题。这类数据往往表现出正偏态和重尾。在这项工作中，我们提出了一个新的分位数回归模型的基础上的规模混合Birnbaum-Saunders分布建模的人身意外保险数据。通过期望最大化算法得到模型参数的最大似然估计。两个蒙特卡罗模拟研究使用R软件进行。第一项研究的目的是分析期望最大化算法的性能，以获得最大似然估计，随机分位数和广义Cox-Snell残差。在第二个模拟研究中，的Wald，似然比，得分和梯度测试的大小和权力进行了评估。这两项模拟研究是在考虑不同的感兴趣分位数和样本量的情况下进行的。最后，一个真实的保险数据集进行了分析，以说明所提出的方法。
2023-03-20 stat.CO stat.ME
Fast Partial Quantile Regression
Universidad Carlos III de Madrid（马德里卡洛斯三世大学）；uc3m-Santander Big Data Institute（uc3m-桑坦德大数据研究所）；Universitat Politècnica de València（瓦伦西亚理工大学）
研究将多元PLS扩展到分位数回归框架，提出快速偏分位数回归（fPQR）方法，通过理论公式实现稳健降维，经模拟实验和实际数据集验证其性能。
2026-07-14 stat.CO stat.ME
Symbolic Quantile Regression for the Interpretable Prediction of Conditional Quantiles
Independent researcher（独立研究者）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
本文提出了一种符号量化回归方法，用于预测条件量化并解释预测变量对结果的影响，通过在航空燃料使用案例中比较预测极值和中央结果的模型，展示了SQR在高风险应用中的有效性。
2026-05-18 cs.LG cs.NE stat.AP
A data-based notion of quantiles on Hadamard spaces
本文提出 Hadamard 空间上基于数据的几何分位数，证明其在大样本性质、稳健性和计算上的优势，并通过模拟与 DTI 数据验证其分布检验能力。
2025-06-14 math.ST stat.ME stat.TH
