← 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
分类依据题名和摘要中的方法词与领域语境，不使用期刊名称猜测研究方向。
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
原文摘要
We consider the following class of problems: having observed a multivariate normal data vector y with unknown mean vector η, covariance matrix the identity, find an approximate confidence interval for ø = t(η), a real-valued function of η. A simple geometric construction is given which leads to highly accurate solutions. This construction shows that the standard approximation based on maximum likelihood theory, ø7plusmn;σz(α), can be quite misleading when ø is nonlinear in η. We discuss bootstrap-based confidence intervals which remove most of the error in the standard approximation, at the expense of considerably more calculation. The bootstrap intervals are invariant under transformation of both y and η, and so they automatically produce accurate solutions in problems which can be transformed to multivariate normality, without requiring knowledge of the normalizing transformation.