A Simpler, Affine-Invariant, Multivariate, Distribution-Free Sign Test
更简便的仿射不变多元分布无关符号检验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：摘要属于一般多元检验理论，未明确涉及分布效应或所列其他经济学、金融方法方向。
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
更简便的仿射不变多元分布无关符号检验
- 研究问题
- 如何构造易于实施的多元符号检验，使其具有仿射不变性，并在较广的总体模型类别下获得小样本分布无关性质？
- 方法与思路
- 作者结合变换后再变换的方法与 Tyler 方向变换构造检验，并比较其在厚尾和偏态分布下与其他多元检验的表现。
- 材料陈述的贡献
- 摘要称新检验适用于任意维度的数据，对总体分布要求较少，并在所考察厚尾与偏态情形下相较其他检验表现良好。
- 阅读关注点
- 应核对分布无关性质覆盖的总体类别、变换存在与可计算的条件，以及维度和样本量对实施及检验表现的限制。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；不能推断刊本变化。摘要未列出具体分布条件，任意维度表述也不能替代可计算性核验。
原文摘要
A simpler multivariate sign test is proposed that uses the transformation-retransformation approach of Chakraborty, Chaudhuri, and Oja together with a directional transformation due to Tyler. This produces a multivariate sign test that is practical to apply to data of any dimension, makes minimal assumptions about the underlying distribution, and has a small-sample distribution-free property over a broad class of population models. It is shown to perform very well in comparison to Hotelling's T 2 and other multivariate sign tests for heavy-tailed and skewed distributions.