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