Archivio istituzionale della ricerca dell'Università degli Studi di Palermo
IRIS è il sistema di gestione integrata dei dati della ricerca (persone, pubblicazioni, progetti, attività) adottato dall’Università di Palermo, e ha lo scopo di raccogliere, conservare, documentare, e diffondere ad accesso aperto le informazioni relative alla produzione scientifica degli autori afferenti all’Ateneo.
EnglishQuantile regression can be used to obtain a non-parametric estimate of a conditional quantile function. The presence of quantile crossing, however, leads to an invalid distribution of the response and makes it difficult to use the fitted model for prediction. In this work, we show that crossing can be alleviated by modelling the quantile function parametrically. We then describe an algorithm for constrained optimisation that can be used to estimate parametric quantile functions with the noncrossing property. We investigate climate change by modelling the long-term trends of extreme temperatures in the Arctic Circle.
| Data di pubblicazione: | 2019 |
| Titolo: | Non-crossing parametric quantile functions: an application to extreme temperatures |
| Autori: | |
| Citazione: | Sottile, G., & Frumento, P. (2019). Non-crossing parametric quantile functions: an application to extreme temperatures. In G. Arbia, S. Peluso, A. Pini, & G. Rivellini (a cura di), Smart Statistics for Smart Applications - Book of Short Papers SIS2019 (pp. 533-540). Milano : Pearson. |
| Abstract: | Quantile regression can be used to obtain a non-parametric estimate of a conditional quantile function. The presence of quantile crossing, however, leads to an invalid distribution of the response and makes it difficult to use the fitted model for prediction. In this work, we show that crossing can be alleviated by modelling the quantile function parametrically. We then describe an algorithm for constrained optimisation that can be used to estimate parametric quantile functions with the noncrossing property. We investigate climate change by modelling the long-term trends of extreme temperatures in the Arctic Circle. |
| URL: | https://it.pearson.com/content/dam/region-core/italy/pearson-italy/pdf/Dirigenti e istituzioni/ISTITUZIONI-HE-PDF-sis2019_V4.pdf |
| ISBN: | 9788891915108 |
| Settore Scientifico Disciplinare: | Settore SECS-S/01 - Statistica |
| Appare nelle tipologie: | 2.07 Contributo in atti di convegno pubblicato in volume |
File in questo prodotto:
| File | Descrizione | Tipologia | Licenza | |
|---|---|---|---|---|
| SIS2019_Sottile_Frumento.pdf | Articolo principale | Versione Editoriale | Administrator Richiedi una copia |
Copyright © 2020