On the Asymptotic Normality of Kendall's Rank Correlation Statistic
Kendall 秩相关统计量的渐近正态性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：摘要讨论秩统计量的一般概率极限理论，未提供与所列经济计量领域细分直接对应的研究内容。
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
Kendall 秩相关统计量的渐近正态性
- 研究问题
- 在独立性原假设下，如何利用 Kendall 秩相关统计量的概率分布递推关系，简便地证明其随样本量增加而呈现渐近正态性？
- 方法与思路
- 作者从统计量分布的递推关系出发，将其分布表示为一组明确定义的独立随机变量之和，再应用 Lyapunov 判据。
- 材料陈述的贡献
- 摘要称，该递推关系提供了证明既有渐近正态结论的简便路径，核心是获得与原统计量同分布的独立随机变量和。
- 阅读关注点
- 应核对独立变量的构造、中心化与标准化方式及 Lyapunov 条件；所给求和符号排版不清，具体表达需查阅原文。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明并列秩等情形的处理，也不能据此将独立性原假设下的结论推广到其他依赖结构。
原文摘要
Kendall's rank correlation statistic $T_n = \sum i > j \operatorname{sgn} (X_i - X_j)\cdot$ sgn $(Y_i - Y_j)$ is well known to be asymptotically normally distributed under the null hypothesis of independence as the sample size $n\rightarrow\infty$. In the note it is shown that this assertion can be obtained easily from the recurrence formula $p_n(t) = (1/n) \sum^n_{k =1}p_{n - 1}(t - 2k + n + 1)$ for the probability distribution $p_n$ of $T_n$ (see Kendall (1970), e.g.). This recurrence formula implies that $T_n$ has the same distribution as a sum of $(n - 1)$ well defined independent random variables to which the Lyapunov criterion applies.