Finite Sample Properties and Asymptotic Efficiency of Monte Carlo Tests
蒙特卡洛检验的有限样本性质与渐近效率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：摘要聚焦通用蒙特卡洛检验的功效与效率理论，没有直接对应所列领域细分的依据。
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…
关注这篇论文的作者
蒙特卡洛检验的有限样本性质与渐近效率
- 研究问题
- 在任意零假设分布下，蒙特卡洛检验相较原始检验损失多少功效，需要多少模拟投入，其渐近相对效率如何刻画？
- 方法与思路
- 作者统一分析零假设与备择下的性质，建立有限样本功效界，并将渐近及局部渐近相对 Pitman 效率概念用于蒙特卡洛检验。
- 材料陈述的贡献
- 摘要称功效界可用于确定所需模拟投入，并在正态极限情形下给出渐近及局部渐近相对 Pitman 效率的显式公式。
- 阅读关注点
- 应核对原始检验与蒙特卡洛检验的定义、模拟次数如何进入功效界，以及局部备择、极限次序和效率公式的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给功效界或模拟次数规则，正态极限公式不能直接用于其他极限情形。
原文摘要
Since their introduction by Dwass (1957) and Barnard (1963), Monte Carlo tests have attracted considerable attention. The aim of this paper is to give a unified approach that covers the case of an arbitrary null distribution in order to study the statistical properties of Monte Carlo tests under the null hypothesis and under the alternative. For finite samples we obtain bounds for the power of the Monte Carlo test with the original test that allow determination of the required simulation effort. Furthermore the concept of asymptotic (resp. local asymptotic) relative Pitman efficiency (ARPE, resp. LARPE) is adapted to Monte Carlo tests for the study of their asymptotic behaviour. The normal limit case is investigated in more detail, leading to explicit formulas for ARPE and LARPE.