Asymptotically Optimal Group Rank Tests for Location
位置参数的渐近最优分组秩检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用位置参数的秩检验，未涉及分位数效应或其他所列经济计量细分。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
位置参数的渐近最优分组秩检验
- 研究问题
- 对称分布的位置参数是否为零的单侧检验中，简单分组秩检验的渐近效率如何，何种条件下能够达到渐近最优？
- 方法与思路
- 作者分析分组秩检验在正向位置备择下的渐近效率，在密度函数条件下讨论最优性，并与样本均值及符号检验比较。
- 材料陈述的贡献
- 摘要称，在一个密度函数条件下可建立渐近最优性，并在若干分布情形中计算相对于样本均值和符号检验的效率。
- 阅读关注点
- 应核对分组和秩统计量的构造、密度条件及渐近最优性的比较范围，区分具体分布下的效率结果与普遍结论。
- 阅读边界
- 所给索引摘要未注明版本，也未说明密度条件、效率数值或小样本表现；不能推断该检验对所有对称分布都最优。
原文摘要
The asymptotic efficiency of a simple group rank test is examined in the case of testing that the location parameter of a symmetric distribution is zero against the alternative it is positive. Asymptotic optimality is shown subject to a condition on the density function. Efficiencies in relation to the sample mean and the sign test are found in several cases.