Extremal Probabilistic Problems and Hotelling's $T^2$ Test Under a Symmetry Condition
对称性条件下的极值概率问题与 Hotelling T² 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：摘要研究通用多元检验与概率不等式，没有宏观、金融或微观经济应用依据，不能按统计量名称推断领域。
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
对称性条件下的极值概率问题与 Hotelling T² 检验
- 研究问题
- 在多维样本不一定满足传统大样本设定时，如何利用正交象限对称性构造与卡方基准接近的 Hotelling 检验？
- 方法与思路
- 作者求解相关极值概率问题，以精确不等式构造对称性检验，并讨论零均值下的极限分布和一个单调似然比性质。
- 材料陈述的贡献
- 摘要称主要结果是精确不等式而非极限定理，所得检验可用于更广泛的多维样本，并与卡方基准检验基本接近。
- 阅读关注点
- 应核对象限对称性原假设、精确不等式的形式及检验校准，并区分其与零均值卡方极限结论各自所需的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；样本限制与检验公式未列出，适用多维样本不意味着任意分布下均能有效检验均值。
原文摘要
We consider the Hotelling $T^2$ statistic for an arbitrary $d$-dimensional sample. If the sampling is not too deterministic or inhomogeneous, then under the zero-means hypothesis the limiting distribution for $T^2$ is $\chi^2_d$. It is shown that a test for the orthant symmetry condition introduced by Efron can be constructed which does not differ essentially from the one based on $\chi^2_d$ and at the same time is applicable not only to large random homogeneous samples but to all multidimensional samples. The main results are not limit theorems, but exact inequalities corresponding to the solutions to certain extremal problems. The following auxiliary result itself may be of interest: $\chi_d - \sqrt{d - 1}$ has a monotone likelihood ratio.