Extreme Tail Probabilities for Sampling Without Replacement and Exact Bahadur Efficiency of the Two-Sample Normal Scores Test
不放回抽样的极端尾概率与两样本正态得分检验的精确 Bahadur 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：摘要研究抽样尾概率与检验效率，未涉及金融损失、资产收益或系统性风险。
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
不放回抽样的极端尾概率与两样本正态得分检验的精确 Bahadur 效率
- 研究问题
- 不放回抽样的样本总和或均值，其极端尾概率具有怎样的渐近行为，这如何用于确定正态得分检验的 Bahadur 效率？
- 方法与思路
- 作者陈述适用于一类总体的不放回抽样尾概率渐近定理，再将其应用于渐近正态总体以分析正态得分检验。
- 材料陈述的贡献
- 摘要称，论文给出极端尾概率的渐近定理，并通过渐近正态总体的应用获得正态得分检验的精确 Bahadur 效率。
- 阅读关注点
- 应核对总体类别、抽样规模的渐近安排、尾概率定理的条件，以及精确 Bahadur 效率采用的定义和备择范围。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要，定理条件与效率表达式未列出；极端尾概率不自动对应金融尾部风险。
原文摘要
A theorem is stated for the asymptotic behaviour of the extreme tail probabilities of the distribution of the sample total or average in sampling without replacement from a wide class of populations. The theorem is applied to asymptotically normal populations, yielding the exact Bahadur efficiency of the normal scores test.