通過 bootstrap t 方法或簡單地通過 bootstrap 估計平均值的置信區間？
在估計均值的置信區間時，我認為bootstrap t方法和非參數bootstrap方法都可以應用，但前者需要更多的計算。
我想知道 bootstrap t 相對於正常的非參數 bootstrap 的優缺點是什麼？為什麼？
是否有一些參考資料可以解釋這一點？
引導程序-仍然依賴於參數分佈的假設：如果統計量的自舉分佈具有正態分佈，則可以使用 bootstrap-方法。這將導致對稱 CI。
但是，如果抽樣分佈有偏差或有偏差，最好使用百分位自舉法（允許非對稱 CI）。
現在，您應該使用哪種方法？
關於 bootstrap 平均值：根據 Wilcox (2010) 的模擬，百分位數 bootstrap不應用於未修剪的平均值（在本例中為 bootstrap-效果更好）；從 20% 修剪開始，百分位自舉優於自舉-（對於 10% 的修整情況尚不清楚）。
另一個提示來自 Hesterberg 等人。（2005 年，第 14-35 頁）：
安全使用 bootstrap t 和 bootstrap 百分位區間的條件有點模糊。我們建議您通過相互比較來檢查這些間隔是否合理。如果 bootstrap 分佈的偏差較小且分佈接近正態分佈，則 bootstrap t 和百分置信區間將非常吻合。百分位區間與 t 區間不同，不會忽略偏度。因此，只要偏差很小，百分位區間通常更準確。因為我們很快就會遇到更準確的引導區間，所以我們的建議是，當引導 t 和引導百分位區間不一致時，不應使用這兩種類型的區間。
–> 如果出現分歧，最好使用 BCa 校正的引導 CI！
Hesterberg, T., Monaghan, S., Moore, D., Clipson, A., & Epstein, R. (2005)。引導方法和置換測試。統計實踐導論，14.1–14.70。
威爾科克斯，RR (2010)。現代統計方法的基礎知識：大幅提高功效和準確性。施普林格出版社。