Key points are not available for this paper at this time.
Resumo Este artigo diz respeito a métodos computacionais para o bootstrap que são mais eficientes do que os métodos Monte Carlo diretos geralmente utilizados. O bootstrap é considerado em sua forma mais simples: em um problema não paramétrico de uma amostra, onde o objetivo é estimar o viés ou a variância de alguma estatística por amostragem bootstrap, ou estabelecer intervalos de confiança aproximados para um parâmetro de interesse em termos de vários percentis da distribuição bootstrap. Os métodos deste artigo podem, em situações favoráveis, reduzir o número necessário de repetições bootstrap em muitos casos. Além disso, diagnósticos simples estão disponíveis para verificar se algum caso particular é acessível a esses métodos.
Bradley Efron (Qui,) estudou essa questão.