Kenny Y.F.Chan。;Stephen M.S.李。 一种精确的迭代引导算法，用于减少小样本偏差。 （英语） Zbl 1080.62516号 计算。统计数据分析。 36，第1期，第1-13页（2001年）. 总结：众所周知，通过迭代引导过程，理论上可以提高引导准确性。自举迭代的蒙特卡罗近似会产生昂贵的计算成本，尤其是当涉及更高级别的重采样时。因此，高级引导迭代所承诺的理论收益在实践中很难实现。通过将bootstrap迭代视为一个马尔可夫过程，我们提出了一种在小样本偏差减少背景下实现它的算法。该算法可满足任意数量的引导迭代，并计算精确的引导偏差校正估计值，而无需大量的蒙特卡罗重采样。我们讨论了在无限级bootstrap迭代产生无偏估计而与样本大小无关的情况下，以及在我们的算法快速收敛的情况下我们的算法的实用价值。给出了一些数值例子来说明样本均值函数、样本分位数函数和Nadaraya-Watson估计在估计中的应用。 引用于三文件 MSC公司： 62G09号 非参数统计重采样方法 62F40型 引导、折刀和其他重采样方法 65立方厘米40 马尔可夫链的数值分析或方法 关键词：减少偏差;Bootstrap迭代;马尔可夫链;蒙特卡洛 软件：引导库;引导数据库 PDF格式BibTeX公司 XML格式引用 \textit{K.Y.F.Chan}和\textit{S.M.S.Lee}，计算。统计数据分析。36，第1号，1-13（2001；Zbl 1080.62516） 全文： 内政部 参考文献： [1] Bailey，W.A.：无随机数订单统计的引导（操作引导）。。探索引导的极限，309-318（1992）·Zbl 0839.62053号 [2] Bickel，P.J。；Freedman，D.A.：关于引导的一些渐近理论。安。统计师。9, 1196-1217 (1981) ·Zbl 0449.62034号 [3] 戴维森，A.C。；Hinkley，D.V.：引导方法及其应用。。(1997) ·Zbl 0886.62001号 [4] Diaconis，P。；Holmes，S.：随机程序的格雷码。统计师。计算。4, 287-302 (1994) [5] 埃夫隆，B。；Tibshirani，R.J.：引导程序简介。(1993) ·Zbl 0835.62038号 [6] 新泽西州费希尔。；Hall，P.：用于小样本的引导算法。统计学家J。规划推断27，157-169（1991） [7] Fisher，R.A.：抽样分布的矩和积矩。程序。伦敦数学。Soc.30199-238（1928） [8] 霍尔·P：引导和艾奇沃思扩张。。(1992) ·Zbl 0744.62026号 [9] 霍尔，P。；Martin，M.A.：关于引导重采样和迭代。。生物特征75，661-671（1988）·Zbl 0659.62053号 [10] 霍尔，P。；Presnell，B.：故意偏见的引导方法。J.罗伊。统计师。soc序列号。B 61，143-158（1999）·Zbl 0931.62036号 [11] Mccullagh，P.：统计学中的张量方法。。(1987) ·Zbl 0732.62003号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。