1) bootstrap estimator
bootstrap估计
1.
Efron suggested the Bootstrap estimator firstly in 1979.
Jackknife估计与Bootstrap估计是统计学的两个重要的估计方法。
2) Bootstrap estimation
Bootstrap估计
3) Bootstrap statistic
Bootstrap统计量
4) bootstrap method
bootstrap法
1.
Then,we propose two novel methods to estimate probability distribution function of skewness distribution random variable,one is based on generalized g·h distribution and the other is bootstrap method.
主要针对食品安全保障体系中的食物摄入量模型、污染物分布模型和风险评估模型做了以下研究:提出一种基于多层次划分法的抽样方案设计抽样,针对食品的分类问题,提出一种基于贡献率的食品分类法;提出利用广义g·h分布估计污染物的偏态分布的方法;进一步基于Bootstrap法提出了一种利用少量数据再抽样估计偏态分布特性的方法;提出一种尾部放大法,巧妙地将概率搜索和理论分析相结合,实现高精度地估计污染物摄入量的右分位点。
5) Bootstrapping estimator
Bootstrap量
6) estimate
[英]['estimeit] [美]['ɛstə,met]
估计,估价
补充资料：Bayes估计量
Bayes估计量
Bayesian estimator
Bayes估计量【Bayesi助始廿ma.件;D自狱.。眨..界..] 用BayeS方法(Bayesian aPProach)由观察值对一未知参数所作的估计.统计问题使用这样的方法时，一般都假定未知参数所0 gR“是一具有给定先验分布7r=武do)的随机变量，决策空间D与集合0重合.且损失L(0，d)表示变量0与估计d的偏离.因此，函数L勿，d)通常假定为有形式L勿，d)=a(e)又(口一d)，其中又是误差向量0一d的某个非负函数，若k二1，则常取又勿一d)={0一d}“(“>0).最有用且在数学上最方便的是平方损失函数L(口，d)=}‘一d1’.对这一损失函数，Bayes估计量(Ba卿决策函教(Bavesian dedsion function))占’二亡厂(x)定义为使最小总损失 !;‘p‘二·“，一，‘薯必，“一”‘·’2’〕口‘么，叮‘““，达到的函数，或与之等价，了是使最小条件损失 ，母‘E{[口一占(x)]2+“)达到的函数，由此推出，在平方损失函数的场合，B竹es估计量与后验均值占‘(x)=E勿{x)相等，而Bayesj双险(Bayes risk)为 。‘二，占‘)二E!D矿夕}x)]‘此处O(0}劝是后验分布的方差: o(口{x)二任{{口一E(0{x)12!，、}. 例设二=(x，，，二，戈)，这里x，，，二，x。为具正态分布N勿，。’)的独立同分布变量，护己知，而未知参数0有正态分布N扭，铲).因为当x给定时口的后验分布为正态N(拜。，T:一、其中 n又。2一十“下一2 灿。二一—，，。一二n口‘一奋了一_ n口一汁~下且万=(x，十一+凡)/。，可知在平方损失函数{分一引’之下，Bayes估计量为占’(x)=线，而Bayes风险则为《二犷六伽铲十护).AH川畔即撰[补注]
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条