Arguments for Fisher's Permutation Test
支持 Fisher 置换检验的论证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：摘要涉及一般两分布比较与置换检验，未明确涉及处理分配或因果效应，不足以归入所列因果或分布效应方向。
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
支持 Fisher 置换检验的论证
- 研究问题
- 比较两个连续或离散分布时，对传统参数模型作轻微修改为何会导向置换检验，Fisher 检验具有何种最优性质？
- 方法与思路
- 作者从传统参数模型的修改出发论证置换检验，分析 Fisher 置换检验的最优性质，并提出准确计算其 p 值的方法。
- 材料陈述的贡献
- 摘要称某些轻微模型修改仅导向置换检验，并证明 Fisher 检验具有支持实际使用的最优性质，提出 p 值计算方案。
- 阅读关注点
- 应核对模型修改究竟是什么、检验有效性依赖的条件、最优性的比较类别，以及 p 值计算方法的误差与计算成本。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；摘要未说明模型修改和最优性准则，不能据此认定该检验在任意两样本问题中最优。
原文摘要
The problem of statistical comparison of two distributions, continuous as well as discrete, is considered. Very slight and reasonable modifications of traditional parameteric models, e.g. `normal distributions with equal variances', are shown to result in permutation tests, only. Fisher's permutations test is shown to have optimum properties which mean a good merit for its practical use. Further, an accurate method of determining the $p$-value of Fisher's test is proposed.