The Asymptotic Powers of Multivariate Tests with Grouped Data
分组数据下多元检验的渐近功效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：摘要讨论一般多元正态分组数据的检验理论，未提供对应所列计量细分领域的直接依据。
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…
关注这篇论文的作者
分组数据下多元检验的渐近功效
- 研究问题
- 当多元正态变量无法精确测量、只能记录为有限个离散评分时，如何检验均值向量为零，并比较不同检验的渐近功效？
- 方法与思路
- 作者以潜在变量服从多元正态分布、观测经过分组为背景，研究零均值向量检验，并比较若干检验的渐近功效。
- 材料陈述的贡献
- 摘要明确将分组观测造成的信息限制纳入多元均值检验问题，并开展渐近功效比较；未给出具体检验及比较结果。
- 阅读关注点
- 核对分组规则与阈值、协方差参数的处理、所比较检验的定义，以及功效分析采用的备择序列和渐近条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断哪些检验更有力、分组损失如何量化，或结论适用的具体条件；不推断其他版本变化。
原文摘要
Summary In many situations (see, for example, Bennett, 1962), random variables which may be assumed to have a multivariate normal distribution cannot be measured exactly, but are each given one of a discrete number (usually two) of scores. One is therefore concerned with the problem of making inferences about the parameters of a multivariate normal distribution when the data are grouped. In this paper we consider the problem of testing the hypothesis that the mean vector is zero, and we will compare the asymptotic powers of certain tests.