Discrimination Procedures for Separate Families of Hypotheses
不同假设族之间的模型判别程序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：摘要涉及不同假设族的通用模型判别，未出现结构估计或其他所列细分的明确内容。
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
不同假设族之间的模型判别程序
- 研究问题
- 在来自不同假设族的模型之间，如何选择判别程序，并比较位置与尺度变换不变性、判别效率及计算成本？
- 方法与思路
- 作者重点研究位置与尺度不变的判别程序，以五对分布的蒙特卡洛样本比较方法，并相对最佳不变程序计算近似效率。
- 材料陈述的贡献
- 摘要称，文章结合模拟得到的近似相对效率与计算复杂度，对所研究判别程序的使用提出建议，但未报告具体排序。
- 阅读关注点
- 应核对五对分布的设定、最佳不变程序的构造、相对效率的定义，以及计算复杂度与判别误差如何共同影响建议。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；比较限于所选分布和模拟设计，无法据此判断一般模型选择中的最优方法。
原文摘要
Procedures for discriminating between models from separate families of hypotheses are examined, with principal emphasis on procedures invariant under location and scale transformations. The discrimination procedures considered are compared using Monte Carlo samples as data for five pairs of invariant distributions. These comparisons are made with respect to the best invariant procedure, a procedure requiring no knowledge of sampling distributions, using approximate relative efficiencies calculated from the Monte Carlo results. On the basis of these efficiencies and the computational complexities of the procedures, suggestions are made for their use.