M.卡沙尼。;M·阿拉西。;拉比艾,M.R。 通过jackknife-after-bootstrap(JB)在模糊回归中重新采样。 (英语) Zbl 1524.62361号 国际期刊不确定性。模糊知识-基于系统。 第4期第29页,第517-535页(2021). 摘要:在模糊回归建模中,当样本量较小时,重采样方法是合适的,有助于改进模型估计。然而,在常用的bootstrap方法中,由于样本中存在随机性,估计的标准误差也是随机的。本文研究了Jackknife-after-Bootstrap(JB)在模糊回归建模中的应用,以解决此问题,并生成平均预测误差较小的估计值。通过一些数值示例和一些交互式图形进行了性能分析,以说明JB方法与bootstrap方法相比的优越性。此外,还证明了使用JB方法,我们得到了一个有意义的模型;然而,使用bootstrap方法的情况并非如此。 MSC公司: 62J86型 模糊性、线性推理和回归 关键词:jackknife-引导后;重新取样 PDF格式BibTeX公司 XML格式引用 \textit{M.Kashani}等人,《国际期刊不确定性》。模糊知识-基于系统。29,第4号,517--535(2021;Zbl 1524.62361) 全文: 内政部