Estimation of the Distribution Function of a Standardized Statistic
标准化统计量分布函数的估计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：摘要研究通用bootstrap分布近似与计算效率，未涉及所列细分方向的特定问题。
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
标准化统计量分布函数的估计
- 研究问题
- 在以bootstrap估计标准化统计量分布时，如何降低均匀重抽样的计算成本，并改善近似bootstrap所产生的模拟误差？
- 方法与思路
- 作者提出两种准确且简单的bootstrap近似方法，并通过模拟将其与其他改进的bootstrap估计方法进行比较。
- 材料陈述的贡献
- 摘要称两种新方法能够简化bootstrap近似，其中第二种还改善模拟误差的收敛率，但没有给出具体速率或性能数值。
- 阅读关注点
- 应核对两种近似的具体构造、模拟误差与统计误差的区分，以及收敛率改进所需条件和比较采用的计算预算。
- 阅读边界
- 仅依据所给Crossref摘要；摘要未说明方法细节及误差阶，模拟误差收敛更快不能直接推出统计估计或置信区间更优。
原文摘要
Summary For estimating the distribution of a standardized statistic, the bootstrap estimate is known to be local asymptotic minimax. Various computational techniques have been developed to improve on the simulation efficiency of uniform resampling, the standard Monte Carlo approach to approximating the bootstrap estimate. Two new approaches are proposed which give accurate yet simple approximations to the bootstrap estimate. The second of the approaches even improves the convergence rate of the simulation error. A simulation study examines the performance of these two approaches in comparison with other modified bootstrap estimates.