Estimating an Endpoint of a Distribution with Resampling Methods
利用重抽样方法估计分布端点AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论一般分布端点与重抽样推断，未明确金融尾部风险或经济分布效应，故分类证据不足。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用重抽样方法估计分布端点
- 研究问题
- 在分布端点估计这一问题中，自助法与随机子样本法是否仍可用于置信区间构造，其渐近有效性能够在什么情形下成立？
- 方法与思路
- 作者重新考察端点估计中的自助法和随机子样本方法，针对已有失败例子所引出的疑问，研究可行的置信区间构造。
- 材料陈述的贡献
- 摘要称，在某些情形下可以构造渐近有效的端点置信区间，说明已有失败例子并不意味着这些方法在此问题中一概无效。
- 阅读关注点
- 应核对允许的端点附近分布行为、两类重抽样的具体实施、区间校准方式，以及成功情形与既有失败例子的差异。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明“某些情形”的条件、子样本规模或覆盖率，不能宣称普通自助法普遍有效。
原文摘要
The problem of estimating an endpoint of a distribution is revisited, using the bootstrap and random subsample methods. Contrary to an example in Bickel and Freedman (1981) suggesting that these methods do not work here, it is shown that one can in fact construct asymptotically valid confidence intervals in some situations.