通过bootstrap t方法或仅通过bootstrap估计均值的置信区间？

在估计均值的置信区间时，我认为bootstrap t方法和非参数bootstrap方法都可以应用，但是前者需要更多的计算。

我想知道bootstrap t相对于普通非参数bootstrap的优缺点是什么？为什么？

有一些参考资料可以解释这一点吗？

引导程序$t$ 仍然依赖于参数分布的假设：如果统计数据的boostrap分布具有正态分布，则可以使用bootstrap-$t$方法。这将导致对称CI。

但是，如果采样分布偏斜或有偏差，则最好使用百分位引导程序（允许不对称CI）。

现在，您应该使用哪种方法？

关于自举平均值：根据Wilcox（2010）的模拟，不应该将百分位数引导程序用于未修剪的均值（在这种情况下，引导程序-$t$效果更好）；从20％修剪开始，百分位引导程序的性能优于引导程序-$t$ （对于10％的修整情况尚不清楚）。

另一个提示来自Hesterberg等。（2005年，第14-35页）：

安全使用bootstrap t和bootstrap百分位数间隔的条件有点含糊。我们建议您通过相互比较来检查这些间隔是否合理。如果自举分布的偏差较小，并且该分布接近正态分布，则自举t和百分位数置信区间将非常一致。与t间隔不同，百分间隔不忽略偏度。因此，只要偏差很小，百分数间隔通常会更准确。因为我们很快会遇到更精确的引导程序间隔，所以我们的建议是，当引导程序t和引导程序百分位间隔不一致时，则不应使用任何间隔类型。

->如果有分歧，最好使用BCa校正的引导程序CI！

Hesterberg，T.，Monaghan，S.，Moore，D.，Clipson，A。和Epstein，R。（2005）。自举方法和置换测试。统计学实践导论，14.1–14.70。

Wilcox，RR（2010）。现代统计方法的基础：显着提高功能和准确性。施普林格出版社。