Saddlepoint Approximation for the Studentized Mean, with an Application to the Bootstrap
学生化均值的鞍点近似及其 Bootstrap 应用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：摘要涉及通用统计量的分布近似和 Bootstrap 计算；尾概率并无金融风险语境，不足以归入金融尾部风险等细分方向。
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
学生化均值的鞍点近似及其 Bootstrap 应用
- 研究问题
- 如何近似随机样本学生化均值的密度与尾概率，以替代相关 Bootstrap 计算，并识别小样本或异常值导致的失效？
- 方法与思路
- 作者先构造二维鞍点近似，经非线性变换后用数值积分或 Laplace 近似消去多余变量，再计算尾概率。
- 材料陈述的贡献
- 摘要提出学生化均值的近似方案，并指出小样本尾部可能使 Laplace 近似失效，异常值可能使 Bootstrap 鞍点近似本身失效。
- 阅读关注点
- 应核对二维近似的条件、变量变换与积分步骤，以及数值积分能够处理的困难与鞍点近似本身失效之间的区别。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未给出误差界或异常值阈值，数值积分可用不等于能修复鞍点近似本身的失效。
原文摘要
A saddlepoint technique is used to approximate to the density and tail probability of the studentized mean of a random sample. The motivation was to replace bootstrapping of the studentized mean in the way Davison & Hinkley (1988) used the saddlepoint approximation for the unstudentized mean. The method involves first obtaining a bivariate saddlepoint approximation, then, after a nonlinear transformation, integrating out an unwanted variable either numerically or by a Laplace approximation. The tail probability is similarly evaluated either by a further numerical integration or by a Laplace approximation of the Temme type. Two difficulties arise. (i) The nonlinearity of the transformation may result in Laplace approximations failing in the tail when the sample is not large. But numerical integration always works. (ii) In the bootstrap application the saddlepoint approximation may itself break down when the data set contains an outlier.