A General Class of One-Sample Nonparametric Test Statistics Based on Subsamples
基于子样本的一般单样本非参数检验统计量类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：摘要研究通用秩检验及其效率，没有足够文本依据归入给定经济计量细分方向。
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
基于子样本的一般单样本非参数检验统计量类
- 研究问题
- 能否通过不同规模子样本中最极端观测的符号，构造统一的单样本非参数检验，并比较其渐近效率和小样本功效？
- 方法与思路
- 作者从独立观测的子样本中提取最极端值的符号，将统计量表示为线性秩统计量，并研究标准化后的渐近正态性。
- 材料陈述的贡献
- 摘要称，该统计量类包含符号检验和修正的 Wilcoxon 符号秩检验；模拟及两类渐近效率比较显示部分成员表现良好。
- 阅读关注点
- 应核对最极端值的定义、零假设和子样本规模的选择、渐近正态性的条件，以及效率比较采用的备择与基准检验。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未完整说明检验假设、正则条件与比较结果，不能推断整个统计量类均占优。
原文摘要
A general class of nonparametric test statistics is constructed by considering the sign of the most extreme value in subsamples of size m taken from n independent observations. The test statistics can be expressed as linear rank statistics and reduce to the sign test statistic for m = 1 and a modified Wilcoxon signed-rank test statistic for m = 2. Asymptotic normality of properly standardized versions of our statistics is established under general conditions. Small sample power simulations as well as Pitman and Bahadur efficiencies indicate that members of our class do well in comparison with already existing test statistics.