Bootstrap-Konfidenzintervalle: Eine vergleichende Simulationsstudie

Bootstrap ist eine weit verbreitete Technik, die es ermöglicht, die Eigenschaften eines bestimmten Schätzers, wie jeho Verzerrung und Standardfehler, zu schätzen. In dieser Arbeit bewerten und vergleichen wir fünf bootstrap-basierte Methoden zur Erstellung von Konfidenzintervallen: zwei davon (Normal und Studentisiert) basieren auf der Bootstrap-Schätzung des Standardfehlers; zwei weitere (Quantil und Besser) basieren auf der geschätzten Verteilung des Parametereschätzers; und schließlich betrachten wir ein Intervall, das auf dem Bayesian Bootstrap basiert und auf dem Konzept des glaubwürdigen Intervalls beruht. Die Methoden werden durch Monte-Carlo-Simulationen in verschiedenen Szenarien verglichen, einschließlich Stichproben mit durch ein Copula-Modell induzierter Autokorrelation. Die Ergebnisse werden auch hinsichtlich der Abdeckungsrate, der medianen Intervalllänge und eines neuartigen Indikators verglichen, der in dieser Arbeit vorgeschlagen wird und beide kombiniert. Die Ergebnisse zeigen, dass die studentisierte Methode die beste Abdeckungsrate hat, obwohl die kleinsten Intervalle durch die bayesianische Methode erreicht werden. Im Allgemeinen sind alle Methoden geeignet und zeigten auch in Szenarien, die die Unabhängigkeitsannahme verletzen, eine gute Leistung.