Exact Distributions of Multiple Comparisons Rank Statistics
多重比较秩统计量的精确分布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：摘要讨论通用多重比较秩检验的分布计算，没有所列计量细分领域的明确应用依据。
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
多重比较秩统计量的精确分布
- 研究问题
- 当样本较小或并列值较多时，如何有效计算多重比较秩统计量的精确 p 值，并在计算成本过高时选择界限或近似方法？
- 方法与思路
- 作者用递归构建表示广义 Steel 统计量零分布的生成函数，同时改进适用类别较窄的既有算法，并研究 p 值界与方法选择。
- 材料陈述的贡献
- 摘要称提出精确计算的递归算法及加速技巧，改进算法在较小统计量类别上快于递归，并讨论紧界、正态近似与模拟的适用选择。
- 阅读关注点
- 应核对广义 Steel 统计量类别、并列值处理与零假设条件，检查两算法适用范围、复杂度及界限计算，并验证选择规则的依据。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；没有算法伪代码、耗时或误差数值，不能推断精确算法在任意样本规模下均可行。
原文摘要
Computation of exact p values of multiple comparisons rank statistics is often a very time-consuming task. In some cases approximations are available, but they are often unsatisfactory when samples are small or the number of ties is large. Some existing tables of exact critical values contain errors and are limited to small samples without ties and to Wilcoxon scores. Therefore, this article proposes a new algorithm to compute exact p values of generalized Steel statistics for one-way classification. This recursive algorithm builds up a generating function that represents the null distribution of the statistic. Several techniques are used to reduce computing time considerably. An improvement of an existing algorithm is given for computing exact p values, which is valid for a smaller class of statistics than the recursion. However, for this class of statistics, this algorithm outperforms the recursion. How to compute tight bounds on the p value when exact computation is too time-consuming is discussed. Also discussed is when to use which method (exact, bounds, normal approximation, or simulation) for computation of p values or critical values.