Breakdown theory for bootstrap quantiles
Bootstrap 分位数的崩溃理论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：摘要中的分位数是重抽样统计量的分位数，核心为一般稳健性理论，没有分位数回归或分布效应的直接依据。
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
Bootstrap 分位数的崩溃理论
- 研究问题
- 研究统计量的 bootstrap 分位数在污染下何时崩溃，以及分位水平和原统计量的崩溃点如何影响置信区间稳健性。
- 方法与思路
- 作者推导 bootstrap 分位数崩溃点的一般计算公式，将其与分位水平及原统计量关联，并讨论缩尾处理的稳健化方案。
- 材料陈述的贡献
- 摘要称，所得公式揭示 bootstrap 分位数的污染敏感性，并对置信区间稳健性提供启示，另为部分 L、M 估计提出稳健化。
- 阅读关注点
- 读全文时应核对污染与崩溃点的定义、重抽样机制和分位数约定，并区分缩尾方案的建议与已经证明的性质。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；公式条件与缩尾选择未提供，崩溃点结果也不能直接证明置信区间覆盖率良好。
原文摘要
A general formula for computing the breakdown point in robustness for the $t$th bootstrap quantile of a statistic $T_n$ is obtained. The answer depends on $t$ and the breakdown point of $T_n$. Since the bootstrap quantiles are vital ingredients of bootstrap confidence intervals, the theory has implications pertaining to robustness of bootstrap confidence intervals. For certain $L$ and $M$ estimators, a robustification of bootstrap is suggested via the notion of Winsorization.