Comparing distributions by multiple testing across quantiles or CDF values
通过跨分位数或累积分布函数值的多重检验比较分布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：跨分位数与累积分布函数的比较直接对应分布推断，摘要还明确将方法扩展到回归断点设计，因此兼列因果推断。
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
通过跨分位数或累积分布函数值的多重检验比较分布
- 研究问题
- 研究如何将整体分布比较转化为分布各位置的多重检验，在控制族错误率的同时，改善传统检验对尾部差异的敏感性。
- 方法与思路
- 作者将单样本和双样本 KS 检验解释为多重检验，提出更均衡配置检验功效的程序，并加入逐步下降和预检验方法。
- 材料陈述的贡献
- 摘要称，相关检验可强控制有限样本族错误率，替代程序改善功效配置，并提供快速计算公式及条件分布、断点设计扩展。
- 阅读关注点
- 应核对各检验假设、有限样本错误率控制的条件、尾部功效比较，以及条件分布和断点设计中推断对象与适用条件的变化。
- 阅读边界
- 仅据所给出版社摘要，无法判断各扩展是否保留相同的有限样本保证；模拟设置、实证结果和所述代码的具体内容未说明。
原文摘要
We first show that one-sample and two-sample Kolmogorov–Smirnov tests may be interpreted as multiple testing procedures, nonparametrically testing equality at each point in the distribution with strong control of the finite-sample familywise error rate. Second, we provide an alternative procedure that distributes power across the distribution more evenly than the Kolmogorov–Smirnov test, which suffers low sensitivity to tail deviations. Third, we provide a formula for near-instant one-sample computation. Fourth, we improve power with stepdown and pre-test procedures. Finally, we extend our results to conditional distributions and regression discontinuity designs. Simulations, empirical examples, and code are provided.