Conditional bootstrap methods in the mean-shift model
均值突变模型中的条件自助法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：题名和摘要明确研究均值突变模型，直接对应结构变化分析。
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
均值突变模型中的条件自助法
- 研究问题
- 自助法生成的模拟样本如何通过适当分层获得条件分析的含义，并用于尼罗河流量数据中的均值突变问题？
- 方法与思路
- 作者对自助法产生的模拟样本进行分层，以尼罗河流量的均值突变分析展示做法，并与参数及半参数似然分析比较。
- 材料陈述的贡献
- 摘要称，适当分层能够使自助法具有条件分析的性质；文章提供具体数据示例，并讨论条件自助法的一般问题。
- 阅读关注点
- 应核对分层依据、所条件化的信息及各层样本的使用方式，尤其关注自助法与两类似然分析是否针对相同推断目标。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明分层规则、有效性条件或比较结果的具体数值。
原文摘要
Bootstrap methods are not inherently conditional, but they can be made so by appropriate stratification of the simulated samples which bootstrap produces. We show how stratification can work in a bootstrap analysis of mean-shift in Nile river flow data. The results are compared with both parametric and semiparametric likelihood analyses. The paper ends with some general remarks on conditional bootstraps.