Familial inference: tests for hypotheses on a family of centres
中心量族推断：针对一族分布中心的假设检验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：摘要聚焦通用分布中心族的假设检验，未明确涉及分位数效应或其他所列专门领域。
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…
中心量族推断：针对一族分布中心的假设检验
- 研究问题
- 科学假设未明确指定均值或中位数等中心量时，如何检验一族合理的分布中心，减少科学命题与单一统计检验之间的错位？
- 方法与思路
- 作者将一族中心量对应的检验问题组成整体假设，提出贝叶斯非参数检验，并用新的路径优化程序拟合 Huber 中心量族。
- 材料陈述的贡献
- 摘要称该方法针对中心量选择的歧义建立检验框架，通过理论和实验展示有利性质，并提供两个心理学案例。
- 阅读关注点
- 应核对整体假设的逻辑定义、中心量族的选择、贝叶斯判决规则与理论性质，以及路径优化程序如何实施。
- 阅读边界
- 所给 Crossref 摘要未具体说明检验的错误控制、先验条件或性能指标；不能据此断言该方法解决可重复性问题。
原文摘要
Summary Statistical hypotheses are translations of scientific hypotheses into statements about one or more distributions, often concerning their centre. Tests that assess statistical hypotheses of centre implicitly assume a specific centre, e.g., the mean or median. Yet, scientific hypotheses do not always specify a particular centre. This ambiguity leaves the possibility for a gap between scientific theory and statistical practice that can lead to rejection of a true null. In the face of replicability crises in many scientific disciplines, significant results of this kind are concerning. Rather than testing a single centre, this paper proposes testing a family of plausible centres, such as that induced by the Huber loss function. Each centre in the family generates a testing problem, and the resulting family of hypotheses constitutes a familial hypothesis. A Bayesian nonparametric procedure is devised to test familial hypotheses, enabled by a novel pathwise optimization routine to fit the Huber family. The favourable properties of the new test are demonstrated theoretically and experimentally. Two examples from psychology serve as real-world case studies.