Distinguishing among Distributions Using Data from Complex Sample Designs
利用复杂抽样设计的数据区分分布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：摘要直接研究分层累积分布函数估计及分布比较，对应分位数与分布方向中的分布分析。
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
利用复杂抽样设计的数据区分分布
- 研究问题
- 复杂抽样设计下，如何估计各层的累积分布函数，并在层均值之外利用分布信息开展更丰富的比较与统计推断？
- 方法与思路
- 作者提出复杂设计下分层累积分布函数的估计方法，说明其依据并展示例子，随后应用于美国放射治疗机构的诊疗模式调查。
- 材料陈述的贡献
- 摘要称估计累积分布函数可扩展仅使用层均值时的推断内容，并通过实例及医疗机构调查数据展示该方法的应用。
- 阅读关注点
- 应核对复杂设计与分层权重如何进入分布估计、方法依据和不确定性处理，以及分布比较具体增加了哪些可支持的推断。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；估计公式、设计条件和实证结果未提供，不能据此声称识别分布因果效应或推断刊本变化。
原文摘要
This article presents the statistical methodology for estimating stratum cumulative distribution functions (cdf's) when the sample is drawn according to a complex design. Justification for the use of this methodology is offered, and examples are presented to demonstrate the expanded inference possible when estimated cdf's are used in addition to stratum means. The methods are applied to data from a survey of the patterns of care in radiation therapy facilities in the United States.