On the Bootstrap and Continuity Correction
Bootstrap 与连续性校正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：摘要研究格点样本均值的通用重抽样校正，未给出经济分布效应或其他具体对象，无法直接对应所列细分领域。
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 与连续性校正
- 研究问题
- 用 bootstrap 近似格点取值样本均值的分布时，如何通过连续性校正减少离散取值带来的舍入误差？
- 方法与思路
- 作者提出 bootstrap 的连续性校正及多元扩展，通过渐近理论分析最大舍入误差，并用小样本置信区间例子展示表现。
- 材料陈述的贡献
- 摘要称校正在较一般情形及多元情形中可用，渐近分析表明最大舍入误差最多可减少百分之五十，并给出示例。
- 阅读关注点
- 应核对格点结构、校正量与多元实现方式，明确最大舍入误差的度量，并检查其与置信区间覆盖误差的关系。
- 阅读边界
- 仅据所给 Crossref 摘要，百分之五十针对最大舍入误差的渐近结果，不能解释为所有置信区间误差均减少相同比例。
原文摘要
SUMMARY A continuity correction to the bootstrap is suggested, useful when the bootstrap is employed to approximate distributions of lattice-valued sample means. Versions of the correction are available quite generally, even in multivariate cases. Asymptotic theory reveals that the correction can reduce maximum rounding error by up to 50%. An example, where continuity correction is used in the construction of confidence intervals, illustrates the performance of the procedure with smaller samples.