A Robust Class of Tests and Estimates for Multivariate Location
多元位置参数的一类稳健检验与估计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：摘要研究一般多元位置检验与稳健估计，未出现足以支持所列计量领域细分的研究背景。
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…
多元位置参数的一类稳健检验与估计
- 研究问题
- 如何改善多元位置分析中Hotelling检验和样本均值向量对异常观测的不稳健性，同时保持计算可行性与较好的统计效率？
- 方法与思路
- 作者提出以秩统计量向量为基础的一类多元位置检验和估计方法，并考察计算便利性、稳健性质及其相对经典方法的效率。
- 材料陈述的贡献
- 摘要称，所提方法易于计算、具有良好的稳健性质，且通常比经典程序更有效率；摘要没有具体说明这些比较对应哪些分布与情形。
- 阅读关注点
- 应核对秩向量的构造、位置参数的定义和检验校准方式，并检查稳健性如何衡量，以及效率优势在哪些分布或污染设定下成立。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明。摘要未提供稳健性指标、效率数值或适用条件，不能将通常更有效率视为统一优势，也不能推断刊本变化。
原文摘要
Hotelling's T 2 test and the sample mean vector for multivariate location suffer from the same lack of robustness as the univariate t test and sample mean. We propose a class of tests and estimates based on a vector of rank statistics and show that they are easy to compute, have good robustness properties, and are usually more efficient than the classical procedures.