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