Nonparametric Two-Sample Methods for Ranked-Set Sample Data
排序集抽样数据的非参数两样本方法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：摘要研究排序集抽样下的通用两样本程序，未直接分析分位数或经济分布效应。
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
排序集抽样数据的非参数两样本方法
- 研究问题
- 排序集抽样中排名可能不准确、样本也可能不平衡时，如何比较两组分布中心并构造检验、区间和点估计？
- 方法与思路
- 作者按排序集中的秩划分数据，构造替代 Bohn–Wolfe 程序的方法，并提出不完美排序模型开展性能研究。
- 材料陈述的贡献
- 摘要称新检验在完美或不完美排序下保持水平，适用于平衡与不平衡样本，并刻画随机排序时的有效数据划分。
- 阅读关注点
- 应核对分布中心的目标定义、检验保持水平的条件、划分规则，以及随机排序定理适用的统计量范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；几乎无需排序机制假设不等于完全无条件，具体功效收益未说明。
原文摘要
A new collection of procedures is developed for the analysis of two-sample, ranked-set samples, providing an alternative to the Bohn–Wolfe procedure. These procedures split the data based on the ranks in the ranked-set sample and lead to tests for the centers of distributions, confidence intervals, and point estimators. The advantages of the new tests are that they require essentially no assumptions about the mechanism by which rankings are imperfect, that they maintain their level whether rankings are perfect or imperfect, that they lead to generalizations of the Bohn–Wolfe procedure that can be used to increase power in the case of perfect rankings, and that they allow one to analyze both balanced and unbalanced ranked-set samples. A new class of imperfect ranking models is proposed, and the performance of the procedure is investigated under these models. When rankings are random, a theorem is presented which characterizes efficient data splits. Because random rankings are equivalent to iid samples, this theorem applies to a wide class of statistics and has implications for a variety of computationally intensive methods.