Saddlepoint approximations in resampling methods
重抽样方法中的鞍点近似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：摘要明确列出自回归估计这一时间序列应用，但文章主体仍是通用重抽样近似。
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
重抽样方法中的鞍点近似
- 研究问题
- 在简单 bootstrap 与随机化应用中，如何使用鞍点近似开展计算，其准确性在均值、比率、双样本与自回归估计中如何？
- 方法与思路
- 作者将鞍点近似用于若干简单重抽样问题，示例覆盖均值估计、比率估计、双样本比较及自回归参数估计等情形。
- 材料陈述的贡献
- 摘要称鞍点近似在这些简单 bootstrap 和随机化应用中易于使用且准确，但未提供具体误差指标或数值比较结果。
- 阅读关注点
- 应核对各示例近似的目标分布、鞍点方程及求解方法，并检查自回归情形如何处理依赖以及准确性的评价基准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要很简短，未提供适用条件与误差界，不能推广至所有重抽样方法或推断刊本变化。
原文摘要
Saddlepoint approximations are shown to be easy to use and accurate in a variety of simple bootstrap and randomization applications. Examples include mean estimation, ratio estimation, two-sample comparisons, and autoregressive estimation.