分位数回归的基本原理和特点

deardao

已于 2024-07-18 23:24:11 修改

阅读量2k

点赞数 4

文章标签：回归数据挖掘人工智能

于 2024-05-09 20:22:15 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/liangdaojun/article/details/138618738

版权

基本模型及解释

分位数回归经典模型是由Koenker和Bassett (1978b)引入的，它从位置模型中的普通分位数(也称为“百分位数”)的概念扩展到更一般的一类线性模型，其中条件分位数具有线性形式。为了简单地回忆一下普通分位数，考虑一个实数随机变量Y，其特征如下分布函数
在这里插入图片描述
则对于任意τ∈(0,1)，Y的τ -th分位数定义如下:

中位数是Q(1/2)，第一个四分位数是Q(1/4)，第一个十分位数是Q(1/10)。分位数函数提供了Y的完整表征，就像分布函数f一样。分位数可以写成以下优化问题的解:对于任意τ∈(0,1)，定义分段线性的“检验函数”
在这里插入图片描述
其中I(.)是常用的指示函数。最小化问题的解是

Q(τ)的样本模拟是基于一个随机样本{y1，…， n} (Y)。然后，根据上述(4)的精神，可以将τ -th分位数识别为以下问题的任何解:

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。