The Exceedance Test for Truncation of a Supplier's Data
检测供应商数据截断的超越检验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：摘要讨论一般数据截断检验及可靠性应用，不足以归入所列分布效应或金融风险方向。
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
检测供应商数据截断的超越检验
- 研究问题
- 如何通过容易实施的统计检验判断供应商提供的数据是否被截断，并计算不同样本量下检验发现截断的能力？
- 方法与思路
- 作者提出用于识别数据截断的秩检验，讨论其一致最强与渐近最优性质，并给出任意样本量下进行功效计算的公式。
- 材料陈述的贡献
- 摘要称该检验是所考虑问题中的一致最强秩检验且渐近一致最强，功效易于计算，并可用于可靠性展示和物理测量争议。
- 阅读关注点
- 核对截断的具体定义、原假设与备择假设，以及一致最强结论适用的检验类、分布条件和功效计算所需输入。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未交代最优性成立的假设与检验类，不能把结论推广到任意数据造假情形。
原文摘要
The purpose of this paper is to present an easily applied test useful in determining whether or not a supplier's data have been truncated. The proposed test has the following desirable properties: (i) it is the uniformly most powerful rank test, (ii) it is asymptotically uniformly most powerful, (iii) power computations can easily be made for arbitrary sample sizes, formulas for such computations being given in the paper. Although formulated in the context of verifying a supplier's data, the test can be applied to other situations in which false representation of data in the form of truncation is important. Such is the case, for example, in reliability demonstrations or legal suits involving physical measurements.