m相依样本均值的Bootstrap估计

1979年著名统计学家Efron提出Bootstrap法用于估计随机变量的概率分布。如所周知,当样本为i.i.d.时,Bootstrap适用于(?)_n,但若样本不独立,Singh指出,即使{X_i,i=1,2,…)为平稳m相依,Bootstrap估计可能不相合。因此,如何建立非独立场合的Bootstrap法在理论上与应用中具有重要的意义。本文目的在于利用基于刀切虚拟值的Bootstrap法以解决m相依样本均值Bootstrap逼近的相合性。