我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
竞争点预测的相对性能通常根据损失或评分函数来衡量。人们普遍认为,这些评分函数应严格一致,即通过对某一统计函数(如平均值、中位数或某一风险度量)进行正确的预测,使预期分数最小化。因此,严格的一致性为有意义的预测比较开辟了道路,但在回归和M估计中也很重要。通常,可引出函数的严格一致的评分函数并不是唯一的。为了指导评分函数的选择,本文引入了两个额外的质量标准。由于预测是在某种意义上排序的,因此顺序敏感性可以比较两个故意指定错误的预测。另一方面,等变评分函数与手头的函数具有相似的等变性质,如平移不变性或正齐性。在我们的研究中,我们考虑了常用泛函的得分函数,特别强调了向量值泛函,例如对(均值、方差)或(风险值、期望短缺)。
托比亚斯·菲斯勒。 约翰娜·齐格尔(Johanna F.Ziegel)。 “评分函数的顺序敏感性和等方差。” 电子。J.统计。 13 (1) 1166 - 1211, 2019 https://doi.org/10.1214/19-EJS1552