Double-bootstrap methods that use a single double-bootstrap simulation
每个外层样本仅用一次内层模拟的双重 Bootstrap 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：摘要属于通用重抽样与高阶近似理论，没有足够文本依据归入所列应用领域细分。
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…
每个外层样本仅用一次内层模拟的双重 Bootstrap 方法
- 研究问题
- 双重 Bootstrap 中每个外层样本仅生成一个内层样本，能否降低计算成本并保留高阶精度，这种收益适用于哪些任务？
- 方法与思路
- 作者考察单次内层重抽样的双重 Bootstrap，分别分析其在偏差校正、置信区间构造及分布估计中的精度表现。
- 材料陈述的贡献
- 摘要称该简化方案用于偏差校正时可达到三阶精度且减少计算成本，但已有单次内层方案用于区间或分布估计时不具同等提升。
- 阅读关注点
- 应核对三阶精度所指误差、光滑性与矩条件、外层模拟次数的作用，以及偏差校正结论为何不能直接用于区间和分布估计。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未给出高阶展开的条件，精度收益不能从偏差校正推广至其他任务。
原文摘要
We show that, when the double bootstrap is used to improve performance of bootstrap methods for bias correction, techniques based on using a single double-bootstrap sample for each single-bootstrap sample can produce third-order accuracy for much less computational expense than is required by conventional double-bootstrap methods. However, this improved level of performance is not available for the single double-bootstrap methods that have been suggested to construct confidence intervals or distribution estimators.