The Wilcoxon, Ties, and the Computer
Wilcoxon 检验、并列值与计算机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：摘要研究通用两样本秩检验与精确计算，并无足够证据对应所列经济计量细分方向。
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
Wilcoxon 检验、并列值与计算机
- 研究问题
- 两组独立样本含大量并列值或有序类别数据时，如何计算 Wilcoxon 平均秩统计量依赖并列模式的零分布？
- 方法与思路
- 作者推导截至四阶的矩以尝试改善近似，并提出高效生成受限整数分拆组合的计算算法，用于求取精确分布概率。
- 材料陈述的贡献
- 摘要报告小至中等样本中未找到稳定优于简单正态近似的方案，同时提供在许多情形下计算精确概率的算法。
- 阅读关注点
- 应核对并列模式如何决定零分布、四阶矩近似的构造，以及精确算法的枚举对象、计算成本和适用样本规模。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。近似未稳定改善是所报告研究的结论，摘要未证明所有平滑近似必然失败。
原文摘要
In testing for equality of distribution in two unpaired samples with ordered categorical data or data with many ties, the two sample Wilcoxon average rank test is attractive. Unfortunately, the null distribution of the statistic depends upon the pattern of ties and is generally difficult to compute. In an attempt to improve existing approximations, moments through order four are derived. It is regretted that in small to moderate sample sizes, no consistent improvement over the simple normal approximation was found. The erratic nature of both the values of the statistic and the jumps of the distribution appears to rule out any good, smooth approximation in small samples. For calculation of the exact distribution, an algorithm is given to generate restricted compositions efficiently on a computer. The algorithm provides a useful means of obtaining exact probabilities in many cases.