Tests of stochastic monotonicity with improved power
提高检验功效的随机单调性检验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：摘要直接研究随机单调性这一分布排序性质的检验，因此归入分位数与分布效应方向，而未指定具体应用领域。
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…
关注这篇论文的作者
提高检验功效的随机单调性检验
- 研究问题
- 如何改进随机单调性检验，使其在原假设的更多情形下达到名义拒绝率，并提高对相关局部备择的检验功效？
- 方法与思路
- 作者采用 bootstrap 校准，利用最小凹上包络算子的方向可微性，以及常规 bootstrap 函数型 Delta 方法不适用时的推断结果。
- 材料陈述的贡献
- 摘要称，新程序在原假设的较大范围内使极限拒绝率达到名义水平，从而提高对相关局部备择的功效，并论证其有效性。
- 阅读关注点
- 应核对随机单调性的具体定义、bootstrap 实施步骤、有效性条件，以及哪些原假设情形和局部备择支持功效改进。
- 阅读边界
- 仅依据所给出版社摘要，无法判断功效改善的具体范围、有限样本表现或计算成本，也不能推断其他版本的变化。
原文摘要
We develop improved statistical procedures for testing stochastic monotonicity. While existing tests use a fixed critical value to set the limiting rejection rate equal to nominal size at the least favorable case, we use a bootstrap procedure to raise the limiting rejection rate to nominal size over much of the null. This improves power against relevant local alternatives. To show the validity of our approach we draw on recent results on the directional differentiability of the least concave majorant operator, and on bootstrap inference when smoothness conditions sufficient to apply the functional delta method for the bootstrap are not satisfied.