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：摘要针对一般多元位置参数的稳健统计方法，并未研究分位数或处理分布效应，缺少对应所列细分的直接依据。
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…
多元位置参数的一类稳健检验与估计
- 研究问题
- 针对样本均值向量与 Hotelling T² 检验的稳健性不足，能否构造易于计算的多元位置估计和检验，同时保持较高效率？
- 方法与思路
- 作者以一组秩统计量构成的向量为基础，建立多元位置参数的检验与估计类，并考察其计算便利性、稳健性和效率。
- 材料陈述的贡献
- 摘要称所提方法容易计算、具有良好稳健性，且通常比经典程序更有效率；这些属于作者陈述，摘要未展示比较条件。
- 阅读关注点
- 核对秩统计量的具体构造、稳健性的评价指标、效率所针对的分布与基准，以及多元检验的校准和估计量性质。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未定义稳健性或列出效率比较范围，不能将“通常更有效率”视为普遍结论。
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.