On the “Information” Lost by Using a t-Test when the Population Variance is Known
总体方差已知时使用 t 检验损失的“信息”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：摘要涉及一般正态均值检验的功效比较，没有直接对应所列经济计量细分方向，故不依据术语强行分类。
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
总体方差已知时使用 t 检验损失的“信息”
- 研究问题
- 以其他检验替代给定假设下最强检验时，如何衡量信息损失，尤其是正态总体方差已知却使用 t 检验的情形？
- 方法与思路
- 作者建议用功效函数衡量替代检验的信息损失，并以已知方差的正态总体均值检验中使用 t 检验为例开展分析。
- 材料陈述的贡献
- 摘要强调从检验功效角度评价替代方法的损失，并提供一个具体案例；未报告损失幅度或其随样本量变化的规律。
- 阅读关注点
- 应核对最强检验所对应的假设类别、显著性水平和备择方向，明确功效差如何定义信息损失及其比较尺度。
- 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；这里的信息由功效评价，不能直接解释为其他信息量指标。
原文摘要
This note calls attention to the use of the power function as a means of determining how much “information” is lost by using some other test in place of the most powerful test of a given hypothesis. As an example of the method, the case of using a t-test for the mean of a normal population with known variance is analyzed.