Inference Based on Simple Rank Step Score Statistics for the Location Model
基于简单秩阶梯得分统计量的位置模型推断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：摘要讨论一般位置模型的秩推断，未明确分位数效应或其他所列应用，不能仅因使用秩统计量归类。
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…
基于简单秩阶梯得分统计量的位置模型推断
- 研究问题
- 在单样本与双样本位置问题中，如何构造兼顾稳健性、效率和计算简便性的估计方法，尤其是易计算的置信区间？
- 方法与思路
- 作者采用普通阶梯函数作为位置模型的得分函数，通过反演相应秩统计量获得点估计和置信区间，并研究其效率与稳健性。
- 材料陈述的贡献
- 摘要称提出了一类稳健、相对有效且计算简单的程序，重点处理置信区间，同时给出相关点估计及简便计算方案。
- 阅读关注点
- 应核对位置模型与得分函数的设定、秩统计量反演的具体步骤，以及置信区间覆盖、效率和稳健性所依赖的条件。
- 阅读边界
- 摘要未说明具体分布条件、效率基准或覆盖结果；来源为版本未注明的OpenAlex索引摘要，不能推断刊本变化。
原文摘要
A class of estimation procedures that are robust, relatively efficient, and yet computationally simple is proposed for the one- and two-sample location problems. Particular emphasis is placed on the problem of determining confidence intervals, a topic that has seen limited exposure in the literature. As a by-product, some interesting point estimates are obtained. A class of score functions that are ordinary step functions is considered for the location model. Point estimates and confidence intervals are obtained by inverting the corresponding rank statistics. Efficiency and robustness properties of the procedures are investigated. Simple computational schemes for the estimates and intervals are provided.