Iterated smoothed bootstrap confidence intervals for population quantiles
总体分位数的迭代平滑自助法置信区间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：摘要明确研究总体分位数估计及其置信区间，直接对应分位数与分布推断方向。
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
总体分位数的迭代平滑自助法置信区间
- 研究问题
- 平滑自助法的迭代校准如何影响总体分位数置信区间的覆盖误差，平滑各阶段的带宽应如何选择？
- 方法与思路
- 作者分析平滑百分位区间和bootstrap-t区间，通过迭代自助法校准名义覆盖率，并优化重抽样与学生化带宽。
- 材料陈述的贡献
- 摘要称适当带宽和迭代校准可降低覆盖误差；模拟支持覆盖精度改善，并指出百分位区间在长度和稳定性上的取舍。
- 阅读关注点
- 应核对各类区间的覆盖误差阶、带宽阶数及分布光滑性条件，并比较模拟中的覆盖率、区间长度与稳定性。
- 阅读边界
- OpenAlex索引摘要未注明稿件版本；摘要未给出完整正则条件、带宽常数及模拟设计，不能将覆盖改善推广到任意分布。
原文摘要
This paper investigates the effects of smoothed bootstrap iterations on coverage probabilities of smoothed bootstrap and bootstrap-t confidence intervals for population quantiles, and establishes the optimal kernel bandwidths at various stages of the smoothing procedures. The conventional smoothed bootstrap and bootstrap-t methods have been known to yield one-sided coverage errors of orders O(n−1/2) and o(n−2/3), respectively, for intervals based on the sample quantile of a random sample of size n. We sharpen the latter result to O(n−5/6) with proper choices of bandwidths at the bootstrapping and Studentization steps. We show further that calibration of the nominal coverage level by means of the iterated bootstrap succeeds in reducing the coverage error of the smoothed bootstrap percentile interval to the order O(n−2/3) and that of the smoothed bootstrap-t interval to O(n−58/57), provided that bandwidths are selected of appropriate orders. Simulation results confirm our asymptotic findings, suggesting that the iterated smoothed bootstrap-t method yields the most accurate coverage. On the other hand, the iterated smoothed bootstrap percentile method interval has the advantage of being shorter and more stable than the bootstrap-t intervals.