跳到正文
← 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:摘要讨论一般概率分布的两样本检验,没有经济分布效应或处理效应背景,仅凭分布比较不足以归入微观细分。

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
LESZEK MARZEC
PAWEL MARZEC

两个概率分布离散程度相等的检验

研究问题
基于两个独立样本,如何检验两分布仅相差未知位置参数,并对其中一个分布更不分散的备择保持检验能力?
方法与思路
作者构造比较分布离散程度的两样本检验,允许原假设中的未知位置差异,并分析渐近分布、相合性及相对效率。
材料陈述的贡献
摘要称所提检验渐近分布无关且相合,并针对若干特定备择给出与其他检验相比的渐近相对效率。
阅读关注点
应核对离散程度排序的定义、未知位置参数的处理,以及相合性成立范围和相对效率所针对的具体备择。
阅读边界
仅据版本未注明的 OpenAlex 索引摘要;未提供统计量、正则条件或效率数值,不能从特定备择比较推出普遍更优。

原文摘要

Based on independent random samples from two distributions we consider the problem of testing that the distributions are identical except for an unknown location parameter against the alternative that one is less dispersed than the other. The proposed tests are shown to be asymptotically distribution-free and consistent. The asymptotic relative efficiencies with respect to several other tests for some specific alternatives are given.

笔记与分组
相关领域论文