海量数据集的Gap bootstrap方法及其在交通工程中的应用

@文章{Lahiri2012GapBM，title={大规模数据集的Gap bootstrap方法及其在交通工程中的应用}，author={Soumendra Nath Lahiri和Clifford H.Spiegelman以及法官Appiah和Laurence R.Rilett}，journal={应用统计学年鉴}，年份={2012}，体积={6}，页码={1552-1587}，网址={https://api.semanticscholar.org/CorpusID:88512742}}
在本文中，我们描述了两种用于海量数据集的引导方法。由于计算负担和复杂的非均匀性模式，普通重采样方法的天真应用对于海量数据集往往不实用。相比之下，所提出的方法利用了一大类海量数据集的某些结构特性，将原始问题分解为一组更简单的子问题，分别求解数据表现出近似一致性的每个子问题
[PDF]语义阅读器

本文图表

4引文

大规模数据的可扩展引导

引入了“小自举包”（BLB），这是一种新的程序，它结合了自举和子抽样的特点，以产生一种稳健、计算效率高的评估估计器质量的方法。

估计旅行时间不确定性的重采样方法：Gap Bootstrap的应用

结果表明，对于本研究中使用的数据集，与传统方法和块引导方法相比，gap引导方法充分捕获了依赖结构，因此可能比块引导方法或传统引导方法产生更可靠的不确定性估计。

Bootstrap-探索

动态和随机运输网络的可靠性度量

24参考文献

始发地-目的地矩阵的鲁棒估计

基于文献中称为L2误差的最近开发的统计程序，提出了一种用于估计网络原始目的地（OD）分割比例的约束稳健方法，该方法用于识别出行表。

基于最小假设下子样本的大样本置信区间

本文研究了通过逼近某些统计量的抽样分布来构造置信区的问题。通过适当的…

依赖数据的样本重用方法研究

我们基于块引导和Richardson外推之间的交叉，提出了一种依赖数据的样本重用方法。而不是通过重采样块和…

一类新的起点-终点流识别动态方法

一般静止观测的折刀和引导

我们将jackknife和bootstrap估计标准误差的方法推广到观测值构成一般平稳序列的情况。我们不会试图降低身份证价值。…

用约束广义最小二乘估计原点估计矩阵

相关引导程序的自动块长度选择

这项工作为上述块自举方法提出了实用的最佳块大小估计值，并基于通过Politis和Romano的平顶窗进行谱估计的概念，提出了有限样本“可达到”相对效率的新概念。

基于交通量统计和调查数据的出行矩阵估计：广义最小二乘估计

具有长程相关误差的线性回归模型中R-、MD-和LAD-估计的渐近性

本文建立了当误差为高斯或函数时，加权残差经验过程在线性回归环境中与其自然估计的一致贴近性…

基于自动车辆识别数据的实时原产地估计

本文提出了几种结合AVI数据和路段交通量的方法，以实时估计OD交通量，并使用不同的信息组合评估了16个案例，其中考虑了路段交通量、历史动态OD信息、观测到的路段选择比例以及使用总路段行程时间估计的路段选择。