基于自助法的小样本数据分析方法研究

自助法（Bootstrap）和随机加权法（Bayes Bootstrap）都是较好的处理小样本数据的方法,其无先验性,以及计算过程中只需要实际观测数据的优越性,使其广泛地应用于实际数据处理之中,后者的估计精度要更好些。但对连续情况而言,自助法的计算特性使得重抽样本局限在原始样本范围内,无法渐进于真实情况。文章基于自助法研究了用改进的样本经验分布函数来解决这个问题,并通过仿真算例说明方法的有效性。     

自助法在小样本数据均值估计中的应用

自助法（Bootstrap）是较好的处理小样本数据的方法,其无先验性及计算过程中只需要实际观测数据的优越性,使其广泛地应用于小样本数据处理。针对方法自身存在的缺陷,文章比较了目前自助法常用的两种抽样方式的优劣性,并采用改进的样本经验分布函数来解决这个问题,通过对均值的估计证实了方法的有效性。