Two-sample quantile tests under general conditions
一般条件下的两样本分位数检验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：摘要明确以两样本指定分位数相等为检验对象，直接对应分位数与分布效应中的分位数推断。
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
一般条件下的两样本分位数检验
- 研究问题
- 当两组分布的其他特征允许不同时，如何检验一组指定分位数是否相等，并适用于删失、重复测量和序贯试验数据？
- 方法与思路
- 作者构造非参数两样本分位数检验，可结合 Kaplan–Meier、双重删失自洽估计和重复测量分布估计，并讨论分组序贯应用。
- 材料陈述的贡献
- 摘要称，该程序无需将整个分布相等作为原假设，且简单模拟显示其中等样本性质合理；摘要没有提供具体误差或功效数值。
- 阅读关注点
- 应核对各类分布估计量需要的条件、分位数附近的正则性、联合检验校准，以及错峰入组时序贯检验的实施方式。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；一般条件、模拟设计与数值未说明，不能判断对任意删失或依赖结构是否有效。
原文摘要
A simple, nonparametric two-sample test for equality of a given collection of quantiles is developed which can be applied to a variety of empirical distribution functions, including the Kaplan-Meier estimator, a self-consistent estimator for doubly-censored data and an estimator for repeated measures data. The null hypothesis tested is that the quantiles are equal but other aspects of the distributions may differ between the two samples. This procedure can also be applied to quantile testing in group sequential clinical trials with staggered patient entry. A simple simulation study demonstrates that the moderate sample size properties of this procedure are reasonable.