A nonparametric approach to high-dimensional k-sample comparison problems
高维多样本比较问题的非参数方法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：摘要研究通用高维多样本检验，未提供足以归入所列经济学领域细分的依据。
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
高维多样本比较问题的非参数方法
- 研究问题
- 研究如何在高维数据中比较多个样本的分布，并构造易于实施的检验，使比较结果也能为统计建模提供探索性信息。
- 方法与思路
- 作者结合新的非参数工具与谱图理论之间的联系，构造一类分布无关检验，并通过数值例子考察其实际表现。
- 材料陈述的贡献
- 摘要称所提检验具有多种良好性质及探索性用途，且在多类现实情境的数值例子中表现良好，但未列出具体性质。
- 阅读关注点
- 阅读全文时应核对图的构造、检验统计量和校准方法，以及分布无关性质的适用条件与探索性结果的解释方式。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体理论条件、检验功效及计算规模，也不能推断其他版本的变化。
原文摘要
Summary High-dimensional $k$-sample comparison is a common task in applications. We construct a class of easy-to-implement distribution-free tests based on new nonparametric tools and unexplored connections with spectral graph theory. The test is shown to have various desirable properties and a characteristic exploratory flavour that has practical consequences for statistical modelling. Numerical examples show that the proposed method works surprisingly well across a broad range of realistic situations.