Monte Carlo approximation and the iterated bootstrap
Monte Carlo 近似与迭代自助法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：摘要研究自助法校准中的一般计算分配问题，未提供所列计量领域细分的直接证据。
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
Monte Carlo 近似与迭代自助法
- 研究问题
- 使用两阶段迭代自助法校准置信区间时，如何配置内外两层重抽样次数，以合理控制 Monte Carlo 近似的计算投入？
- 方法与思路
- 作者分析两阶段重抽样次数的最优关系，提出第二阶段次数约为第一阶段次数平方根的常数倍，并推导该常数。
- 材料陈述的贡献
- 摘要称比例常数仅取决于置信区间的名义覆盖水平，但单侧与双侧区间的常数不同，为重抽样次数配置提供规则。
- 阅读关注点
- 应核对最优性的目标和约束、比例关系的推导条件、单侧与双侧常数的区别，以及有限计算预算下规则如何落实。
- 阅读边界
- 所给为版本未注明的 OpenAlex 摘要；未给出最优性准则、常数数值或误差展开条件，不能将该比例当作普遍计算规则。
原文摘要
We discuss optimal choice of the numbers of resamples in the two stages of the iterated bootstrap, when that technique is used to calibrate bootstrap confidence intervals. If the numbers of resamples in the first and second stages are denoted by B and C respectively, we show that it is optimal to take C to be approximately a constant multiple of B½. The value of the constant is derived, and shown to depend only on the nominal coverage level of a confidence interval. However, it assumes different values in the cases of one- and two-sided intervals.