Minimal Complete Classes of Tests of Hypotheses with Multivariate One-Sided Alternatives
多元单侧备择假设检验的极小完备类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：摘要是一般假设检验与决策理论研究，没有所列经济计量细分领域的直接文本依据。
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
多元单侧备择假设检验的极小完备类
- 研究问题
- 对于简单原假设与多元单侧备择假设，如何刻画检验的极小完备类，并放宽既有结果对分布和参数空间的要求？
- 方法与思路
- 作者建立极小完备类定理，针对简单原假设与多元单侧备择的检验问题，放宽此前结果所需的两类限制。
- 材料陈述的贡献
- 摘要称结果不再要求检验基于指数分布随机变量，也不要求原假设与备择参数空间在拓扑意义上相互分离。
- 阅读关注点
- 应核对极小完备类的具体刻画、单侧备择的形式，以及取消既有限制后仍需满足的分布、参数空间和检验条件。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未列出定理条件与证明，不能推断结果覆盖任意多元检验或提供统一最优检验。
原文摘要
In this paper we present minimal complete class theorems for testing problems with simple null hypotheses and multivariate one-sided alternative hypotheses. The results extend previous ones by not requiring that the tests be based on exponentially distributed random variables or that the null and alternative parameter spaces be topologically separated.