A Multivariate Signed-Rank Test for the One-Sample Location Problem
单样本多元位置问题的符号秩检验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：摘要研究通用多元位置检验和稳健性比较，没有目录中特定计量领域的直接证据。
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
单样本多元位置问题的符号秩检验
- 研究问题
- 如何为单样本多元位置问题构造仿射不变的符号秩检验，并考察其相对现有检验在正态、轻尾与重尾分布下的表现？
- 方法与思路
- 作者修改基于方向间关系的多元符号检验，构造仿射不变符号秩统计量，并通过Pitman渐近相对效率和Monte Carlo模拟进行比较。
- 材料陈述的贡献
- 摘要称该统计量表现稳健，在轻尾下优于比较对象，正态下接近Hotelling检验；重尾下优于后者，但逊于所比较的Randles统计量。
- 阅读关注点
- 应核对位置原假设、分布条件与仿射不变性的实现方式，并分别查看渐近效率与有限样本模拟，确认不同尾部情形的比较对象。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明，不能推断刊本变化；摘要未给出效率数值、稳健性定义和模拟范围，不能认定该检验在所有分布下更优。
原文摘要
An affine-invariant signed-rank test is proposed for the one-sample multivariate location problem. The test suggested is a modification of Randles's multivariate sign test based on interdirections, which extends Blumen's bivariate procedure to the multidimensional setting. Comparisons are made between the proposed statistic and several competitors via Pitman asymptotic relative efficiencies and Monte Carlo results. The signed-rank statistic appears to be robust. It performs better than its competitors when the distribution is light-tailed, and virtually as well as Hotelling's T 2 under multivariate normality. For heavy-tailed distributions the signed-rank statistic performs better than Hotelling's T 2 but not as well as Randles's statistic.