Student's t -Test under Symmetry Conditions
对称性条件下的 Student t 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：摘要研究一般单样本检验在对称性下的性质，没有明确的因果、面板、宏观或金融研究对象可供归类。
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…
关注这篇论文的作者
对称性条件下的 Student t 检验
- 研究问题
- 在弱于正态性的条件下，Student t 检验的检验水平和功效如何表现，对称性能够提供哪些统计量界？
- 方法与思路
- 作者在原假设的对称性条件下讨论 t 统计量的离散程度界，并考察非参数、缩尾、置换及多个单样本检验。
- 材料陈述的贡献
- 摘要称，仅凭对称性即可获得有效的离散程度界，所述条件包括相互独立、各自关于零对称但不同分布的观测。
- 阅读关注点
- 应核对对称性针对联合分布还是各观测、离散程度界的形式，以及这些界如何用于水平控制和功效比较。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；具体界和校准方法未说明，不能将对称性理解为统计量必然服从通常的 t 分布。
原文摘要
The size and power of Student's t-test are discussed under weaker than normal conditions. It is shown that assuming only a symmetry condition for the null hypothesis leads to effective bounds on the dispersion of the t-statistic. (The symmetry condition is weak enough to include all cases of independent but not necessarily identically distributed observations, each symmetric about the origin.) The connection between Student's test and the usual non-parametric tests is examined, as well as power considerations involving Winsorization and permutation tests. Simultaneous use of different one-sample tests is also discussed.