Sharpening the Jackknife
改进 Jackknife 方法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：摘要讨论通用偏差削减与重抽样估计，未提供归入所列细分方向的直接依据。
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
改进 Jackknife 方法
- 研究问题
- 能否通过扩展 Jackknife 估计量族，并依据样本选择其中成员，在保留偏差削减功能的同时提高估计精度？
- 方法与思路
- 作者提出新的 Jackknife 族及配套方差估计量，给出样本驱动的选择规则，并在均值倒数与比率估计中模拟考察。
- 材料陈述的贡献
- 摘要称，新估计量族包含普通、一阶与二阶 Jackknife，方差估计涵盖 Tukey 方法，并提供旨在提高精度的规则。
- 阅读关注点
- 应核对估计量族的参数化、选择规则与方差估计，以及选择后偏差和方差如何共同影响模拟中的估计精度。
- 阅读边界
- 仅据版本未注明的索引摘要；摘要未说明模拟结论和精度提升条件，选择规则的目标不能视为已证明的普遍优势。
原文摘要
The jackknife is now well known as a widely applicable bias-reduction tool, with the added advantages of Tukey's variance estimator, and in certain applications, a gain in precision. In this paper a new family of jackknives is introduced, together with a variance estimator. The family includes the ordinary, first-order, and second-order jackknives as special cases and the variance estimator includes Tukey's as a special case. A sample-based decision rule for choosing a member of the family, intended to achieve a gain in precision over either order of jackknife, is given. The success of the rule is examined by simulation in estimation of the reciprocal of the parent mean and in ratio estimation.