Bootstrap Methods
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：摘要是通用 Bootstrap 综述，时间序列仅被简要提及，缺乏归入特定细分方向的充分依据。
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 方法
- 研究问题
- Bootstrap 如何用于置信限、显著性检验和回归推断，其方法发展又怎样涉及条件化及更复杂的模型？
- 方法与思路
- 作者综述 Bootstrap 方法进展，涵盖经验似然、双重 Bootstrap 与数值技术，重点讨论回归并简述复杂问题。
- 材料陈述的贡献
- 摘要明确定位为方法综述，贡献在于整理若干推断主题及回归应用，未声称提出统一的新算法或新的最优性定理。
- 阅读关注点
- 应核对各类重抽样方案对应的模型条件、置信限与检验的校准依据，以及双重 Bootstrap 的精度收益和计算成本。
- 阅读边界
- 仅据 Crossref 摘要；各方法的有效性条件与误差阶未说明，对时间序列等复杂问题仅称简述，不能视为全面处理。
原文摘要
SUMMARY A survey of some developments in bootstrap methodology is given. Topics include confidence limits, significance tests, empirical likelihoods, conditioning, double bootstrapping, and numerical techniques. Special attention is given to regression problems. There are brief remarks about more complex problems, including variance component problems, time series and nonparametric regression.