康塞西奥·阿马多;Ana M.比安科。;格雷西拉·博恩特;Ana M.皮雷斯。 稳健自举:一种替代自举稳健估计器的方法。 (英语) Zbl 1314.62090号 REVSTAT公司 12,第2期,169-197(2014). 摘要:关于稳健估计的文献很多,但在某些情况下,仍不容易进行推断,例如置信区间和假设检验。这主要是由于以下事实造成的。一方面,在大多数情况下,很难推导出估计器的精确分布。另一方面,即使其渐近行为已知,在许多情况下,收敛到极限分布的速度可能相当慢,因此bootstrap方法更可取,因为它们通常会给出更好的小样本结果。然而,重采样方法有几个缺点,包括异常数据沿新样本传播。在本文中,我们讨论了存在离群观测值时自举过程中出现的问题。我们认为最好使用稳健的bootstrap而不是bootstrab稳健估值器,并且我们讨论了一种稳健的boosttrap方法,即影响函数bootstrap=IFB。我们在中说明了IFB间隔的性能单变量位置情况和logistic回归模型。我们导出了IFB的一些渐近性质。最后,我们引入了影响函数bootstrap的推广,以改进IFB行为。 引用于三文件 MSC公司: 62F40型 引导、折刀和其他重采样方法 62英尺25英寸 参数公差和置信区域 62G35型 非参数稳健性 关键词:影响函数;重采样方法;稳健推理 PDF格式BibTeX公司 XML格式引用 \textit{C.Amado}等人,REVSTAT 12,No.2,169--197(2014;Zbl 1314.62090) 全文: 链接