×

引导重采样和迭代。 (英语) 兹比尔0659.62053

作者提出的一般统计问题如下:设(F_0)为真,(F_1)为经验分布(基于样本)。进一步设\(f(f_0,f_1)\)是\(f_0\)和\(f_1\)以及\(E(\cdot|f_0)\)的已知函数,假定数据来自\(f_0\)。许多统计问题都有这样的形式:从定义良好的类中选择f,以便\[(1) \quad E[f(f_0,f_1)|f_0]=0。\]特征(E(f | f_ 0))是置信估计或检验中的覆盖误差、平均区间长度的导数或水平误差,或者是点估计中的偏差,如四个示例所示。提出了求解方程(1)的重采样解。重新采样意味着从原始样本中随机抽取相同大小的样本,并进行替换。设(F_2)表示其经验分布函数,条件是(F_1)。代替(1)\[(2) \四E[f(f_1,f_2)|f_1]=0\]已解决。所得f用作(1)中f的近似值。在第三章中,我们展示了如何通过重复的重采样和迭代来改进解。通过构造置信区间(通常的和Lehman型的置信区间)和将估计量收缩到不动点((L^1)-收缩)来证明该过程。
审核人:D.拉什

MSC公司:

62G15年 非参数容差和置信区域
62英尺25英寸 参数公差和置信区域
PDF格式BibTeX公司 XML格式引用
全文: 内政部