On the Asymptotic Accuracy of Efron's Bootstrap
Efron bootstrap 的渐近准确性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：样本分位数是通用 bootstrap 准确性分析的对象之一，摘要不足以将整篇归入微观分布效应方向。
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
Efron bootstrap 的渐近准确性
- 研究问题
- bootstrap 对标准化样本均值及样本分位数分布的近似有多准确，其误差收敛速度如何与正态近似比较？
- 方法与思路
- 作者在非格点情形分析标准化样本均值的 bootstrap 分布近似，并研究样本分位数和其他 bootstrap 误差的收敛速度。
- 材料陈述的贡献
- 摘要称，非格点情形下均值的 bootstrap 近似渐近优于极限正态近似，并得到样本分位数分布近似的精确收敛率。
- 阅读关注点
- 应核对非格点条件之外的矩条件、标准化方式、误差衡量标准，以及分位数结论所需的分布局部条件。
- 阅读边界
- 所据为版本未注明的 OpenAlex 索引摘要；未列具体收敛率与完整条件，不能断言任意样本下 bootstrap 更准确。
原文摘要
In the non-lattice case it is shown that the bootstrap approximation of the distribution of the standardized sample mean is asymptotically more accurate than approximation by the limiting normal distribution. The exact convergence rate of the bootstrap approximation of the distributions of sample quantiles is obtained. A few other convergence rates regarding the bootstrap method are also studied.