Union-Intersection Test for the Mean Vector When the Covariance Matrix is Totally Reducible
协方差矩阵完全可约时的均值向量并交检验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：摘要研究多元正态均值检验的一般统计理论，未提供所列应用细分方向的依据。
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
协方差矩阵完全可约时的均值向量并交检验
- 研究问题
- 当多元正态总体的协方差矩阵完全可约时，如何构造均值向量的并交检验，并评价其相对检验表现？
- 方法与思路
- 作者推导并交检验，并通过信息论方法、蒙特卡洛小样本功效计算和 Pitman 效率，与另外两种检验进行比较。
- 材料陈述的贡献
- 摘要明确提出特定协方差结构下的并交检验及多角度比较方案，但未报告比较结果，也未声称某方法普遍占优。
- 阅读关注点
- 核对完全可约协方差结构的定义、均值零假设及备择，并检查信息论指标、模拟设定和局部效率的计算方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体功效、效率排序与结构条件未提供，不能补充数值或推断刊本变化。
原文摘要
The union-intersection test is derived for the mean vector of a multi-normal population when the covariance matrix is totally reducible. The performance of the test is compared to those of two other tests, the likelihood ratio test and a test discussed in Young (1976), using an information theory approach, by computing the small-sample powers through Monte Carlo techniques and also by computing the Pitman efficiency.