우리가 가정에 걸쳐 통계 일부 데이터의 함수 인 X 1 , ... X N 분포 함수로부터 인출되는 F ; 우리의 샘플의 경험적 분포 함수는 F . 그래서 θ ( F는 ) 임의의 변수로 간주 통계입니다 θ ( F가 ) 통계의 부트 스트랩 버전입니다. 우리는 d ∞ 를 KS 거리로 사용합니다
통계가 단순한 선형 통계 인 경우 부트 스트랩의 유효성에 대한 "만약 if"결과가 있습니다. 예를 들어 Mammen의 정리 1 "부트 스트랩은 언제 작동합니까?"
만약 어떤 임의의 함수에 대한HN다음 점에서 부트 스트랩 작동하는지D∞[L(θ( F ) - t의 N),L(θ(F)-tN)]→P0이 존재하는 경우에만,σN및tN되도록을
우리가 정의 할 수 ^ t N 우리의 샘플의 일부 함수 t N = E ( t에 해당 )
부트 스트랩이 일반 통계 (예 : Politis Romano and Wolf의 Subsampling의 Theorem 1.6.3)에서 작동하는 일반적인 결과도 있습니다.
유한 한지지를 가진 모든 분포의 클래스에서 가 도출 되었다고 가정합니다 . 통계치 θ ( ⋅ ) 가 최고 표준과 관련하여 F 에서 분화 가능한 Frechet 이고 미분 g F 가 0 < Var F [ g F ( x ) ] < ∞를 만족 한다고 가정합니다 . 그런 다음 θ ( F ) 는 점진적으로 정상이며 부트 스트랩은 이전 정리의 의미에서 작동합니다.
나는 두 번째 정리의 '만약 if'버전을 원합니다. Politis, Romano and Wolf (1999)는 표본 중앙값이 Frechet의 미분이 아니라 부트 스트랩이 여전히 작동한다는 것을 보여주기 때문에 Frechet의 미분과 다른 매끄러움의 개념이 필요합니다. 그러나 샘플 중앙값은 여전히 데이터의 원활한 기능입니다.
Mammen에는 부드러움이 필요하다는 비공식적 인 의견이 있습니다.
부트 스트랩의 일관성을 위해 일반적으로 국소 점근선 선형성이 필요한 것 같습니다
인용은 다음과 같습니다.
van Zwet, W (1989). 컨퍼런스에서 Olberwolfach의 "통계에서 컴퓨터 집약적 절차를위한 증상 적 방법"에 대해 이야기했습니다.
그러나 나는 소수의 인용과는 별도로이 연설의 흔적을 찾을 수 없습니다.