On the Bootstrap and Confidence Intervals
Bootstrap 与置信区间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：摘要属于通用重抽样与高阶置信区间理论，没有足够文本依据对应所列应用领域细分。
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 与置信区间
- 研究问题
- 非参数 bootstrap 对广泛学生化统计量构造置信区间时，其无条件覆盖概率误差如何通过 Edgeworth 型展开解释。
- 方法与思路
- 作者推导覆盖概率展开首项的显式公式，将 bootstrap 解释为经验性的单项 Edgeworth 反演，并讨论迭代重抽样。
- 材料陈述的贡献
- 摘要称，结果覆盖均值、相关系数及可表示为向量均值函数的极大似然估计量，并从展开反演角度解释迭代 bootstrap。
- 阅读关注点
- 应核对学生化方式、展开成立的正则条件、无条件覆盖概率的定义，以及迭代 bootstrap 实现更高阶反演的要求。
- 阅读边界
- 所给材料是稿件版本未注明的 OpenAlex 索引摘要；不能据此认为任意统计量均适用，或有限样本覆盖率必然得到改善。
原文摘要
We derive an explicit formula for the first term in an unconditional Edgeworth-type expansion of coverage probability for the nonparametric bootstrap technique applied to a very broad class of "Studentized" statistics. The class includes sample mean, $k$-sample mean, sample correlation coefficient, maximum likelihood estimators expressible as functions of vector means, etc. We suggest that the bootstrap is really an empiric one-term Edgeworth inversion, with the bootstrap simulations implicitly estimating the first term in an Edgeworth expansion. This view of the bootstrap is reinforced by our discussion of the iterated bootstrap, which inverts an Edgeworth expansion to arbitrary order by simulating simulations.