Il bootstrap funziona bene per accedere all'incertezza nella stima media, tuttavia ricordo di aver letto da qualche parte che il bootstrap non fa un buon lavoro nel valutare l'incertezza nelle stime quantili (in particolare la mediana).
Non ricordo dove ho letto questo e non sono riuscito a trovare molto con una rapida ricerca su Google. I pensieri su questo e ogni riferimento sarebbero molto apprezzati.
Vedi anche: Rogers, WH 1992. sg11: errori standard di regressione quantile. Bollettino tecnico Stata 9: 16–19. Ristampato in Stata Technical Bulletin Reprint, vol. 2, pagg. 133-137. College Station, TX: Stata Press. --- Rogers, WH 1993. sg11.2: Calcolo degli errori standard di regressione quantile. Bollettino tecnico Stata 13: 18–19. Ristampato in Stata Technical Bulletin Reprint, vol. 3, pagg. 77–78. College Station, TX: Stata Press.
—
boscovich,
Il riferimento che menzioni potrebbe essere correlato a (1) Una nota sul bootstrap della mediana del campione , (2) Tasso esatto di convergenza dello stimatore della varianza
Mi chiedo se ci sia stata una cattiva comunicazione. Resta inteso che il bootstrap funziona meglio nel mezzo di una distribuzione rispetto alle code. Pertanto, ad esempio, il bootstrap della mediana sarebbe il quantile più robusto, mentre il bootstrap del min o del max fallisce necessariamente. Puoi trovare la risposta di @ cardinal qui interessante.
—
gung - Ripristina Monica
@Procrastinator Grazie per i due riferimenti molto rilevanti che hai citato. Il mio libro che cito nella mia risposta è caricato con riferimenti ad articoli bootstrap ed entrambi i riferimenti che citi sono elencati nel libro.
—
Michael R. Chernick,
sqregcomando (regressione quantistica simultanea) in Stata stima gli errori standard. Ma questo non dimostra nulla, lo so.