The bootstrap approach is a compute

The bootstrap approach is a computer method frequently used in applied statistics, which is a type of Monte Carlo method applied on observed data, seeEfronandTibshirani(1993) for more information on this important topic. The bootstrap method can be carried out in either parametric or nonparametric setting. However, the question addressed in this paper is in a strict parametric setting, therefore a parametric bootstrap approach will be constructed accordingly.
The paper is organized as follows. The proposed parametric bootstrap method for constructing SCIs for differences of means of several two-parameter exponential distributions is presented in Section2, and a theorem on the asymptotic correct coverage probability of the PB SCIs is given in Section3. In Section4simulation results are present to evaluate the empirical coverage probabilities and average volume of the proposed method in comparison to the fiducial generalized simultaneous confidence intervals (FG SCIs) and a nonparametric bootstrap simultaneous confidence intervals (NPB SCIs) procedures. Some concluding remarks are made in Section5and the FG SCIs and NPB SCIs methodre briefly described in theAppendix.

ผลลัพธ์ (ไทย) 1:

วิธีการเริ่มต้นระบบเป็นวิธีการคอมพิวเตอร์มักใช้ในสถิติประยุกต์ ซึ่งเป็นชนิดของวิธีมอน Carlo ใช้สังเกตข้อมูล seeEfronandTibshirani(1993) สำหรับข้อมูลเพิ่มเติมเกี่ยวกับหัวข้อนี้สำคัญ วิธีการเริ่มต้นระบบสามารถทำในพาราเมตริก หรือ nonparametric การ อย่างไรก็ตาม คำถามที่อยู่ในเอกสารนี้จึงเข้มงวดตั้งพาราเมตริก แบบพาราเมตริกวิธีการเริ่มต้นระบบจะสร้างตามการกระดาษมีการจัดระเบียบดังนี้ เสนอวิธีเริ่มต้นระบบพาราเมตริกสำหรับสร้าง SCIs สำหรับความแตกต่างของวิธีการกระจายเนนสองพารามิเตอร์หลายจะแสดง Section2 และทฤษฎีบทในน่าความครอบคลุมถูกต้อง asymptotic PB SCIs ได้ใน Section3 ใน Section4simulation ผลมีการประเมินผลความครอบคลุมกิจกรรมและปริมาณเฉลี่ยของวิธีการนำเสนอโดย fiducial เมจแบบทั่วไปเกิดความเชื่อมั่นช่วง (FG SCIs) และกระบวนแบบ nonparametric เริ่มต้นระบบพร้อมช่วงความเชื่อมั่น (NPB SCIs) หมายเหตุสรุปบางอย่างใน Section5and methodre FG SCIs และ NPB SCIs สั้น ๆ ที่อธิบายไว้ใน theAppendix การจะ

ผลลัพธ์ (ไทย) 2:

วิธีการบูตเป็นวิธีการที่เครื่องคอมพิวเตอร์ที่ใช้บ่อยในสถิติประยุกต์ซึ่งเป็นชนิดของวิธีมอนติคาร์ที่ใช้กับข้อมูลที่สังเกต seeEfronandTibshirani (1993) สำหรับข้อมูลเพิ่มเติมเกี่ยวกับหัวข้อที่สำคัญนี้ วิธีการบูตที่สามารถดำเนินการอย่างใดอย่างหนึ่งในการตั้งค่าตัวแปรหรือไม่อิงพารามิเตอร์ แต่คำถามที่อยู่ในเอกสารนี้เป็นในการตั้งค่าพารามิเตอร์ที่เข้มงวดดังนั้นวิธีการบูตตัวแปรจะถูกสร้างขึ้นตาม.
กระดาษที่ถูกจัดขึ้นดังต่อไปนี้ วิธีการบูตตัวแปรที่นำเสนอในการสร้างความแตกต่าง SCIs ของวิธีการหลายสองพารามิเตอร์กระจายชี้แจงจะนำเสนอใน Section2 และทฤษฎีบทในเชิงความน่าจะเป็นความคุ้มครองที่ถูกต้องของ PB SCIs จะได้รับใน Section3 ในผลการ Section4simulation ที่มีอยู่ในการประเมินความน่าจะเป็นความคุ้มครองที่ประจักษ์และปริมาณเฉลี่ยของวิธีการที่นำเสนอในการเปรียบเทียบกับแม่นยำทั่วไปช่วงความเชื่อมั่นพร้อมกัน (FG SCIs) และไม่อิงพารามิเตอร์บูตช่วงความเชื่อมั่นพร้อมกัน (NPB SCIs) ขั้นตอน บางคำพูดสุดท้ายจะทำใน Section5and เอื้อม SCIs และ NPB SCIs methodre อธิบายสั้น ๆ ใน theAppendix

ผลลัพธ์ (ไทย) 3:

วิธีบูตสแตรป เป็นวิธีที่ใช้บ่อยในคอมพิวเตอร์ สถิติประยุกต์ ซึ่งเป็นชนิดของวิธีมอนติคาร์โลใช้ตรวจสอบข้อมูล seeefronandtibshirani ( 1993 ) สำหรับข้อมูลเพิ่มเติมในหัวข้อที่สำคัญนี้ การบูตสแตรปสามารถดำเนินการอย่างใดอย่างหนึ่งใน 3 ตัวแปร หรือการตั้งค่า อย่างไรก็ตาม คำถามอยู่ในกระดาษนี้ในเข้มงวดพารามิเตอร์การตั้งค่าดังนั้นวิธีการพาราเมตริกบูทจะถูกสร้างขึ้นตาม
กระดาษจัดดังนี้ พาราเมตริกบูทเสนอวิธีการสร้าง scis ความแตกต่างของวิธีการหลายสองพารามิเตอร์การแจกแจงเอกซ์โพเนนเชียล นำเสนอใน section2 และทฤษฎีบทเกี่ยวกับแหล่งที่ถูกต้องครอบคลุมความน่าจะเป็นของ PB scis จะได้รับใน section3 .ผล section4simulation ที่มีอยู่เพื่อประเมินความน่าจะเป็นเชิงประจักษ์ที่ครอบคลุมและปริมาณเฉลี่ยของวิธีที่เสนอในการเปรียบเทียบกับค่าพิกัดแบบพร้อมกันช่วงความเชื่อมั่น ( FG scis ) และวิธีบูตสแตรปพร้อมกันช่วงความเชื่อมั่น ( npb scis ) ขั้นตอนสรุปข้อสังเกตบางอย่างเกิดขึ้นใน section5and ที่ scis FG และ scis npb methodre สั้น ๆที่อธิบายไว้ใน theappendix .