跳到正文
← 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:摘要研究一般随机序检验,未涉及分布效应识别或所列其他具体方向。

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
Wallace E. Franck

随机序关系的似然比检验

研究问题
如何将似然比原则扩展到非参数框架,用于检验随机序关系,并保证检验具有所需的一致性、无偏性与功效表现?
方法与思路
作者在非参数设定下构造随机序关系的似然比检验,分析其一致性和无偏性,并通过模拟考察所提出检验的功效。
材料陈述的贡献
摘要称,所构造的检验具有一致性与无偏性,模拟显示功效良好;但未提供检验形式、比较对象或具体功效数值。
阅读关注点
应核对随机序假设的方向、非参数似然的构造、临界值获取方式,以及一致性、无偏性与模拟功效分别依赖的条件。
阅读边界
仅据OpenAlex索引摘要,稿件版本未注明。摘要未说明抽样结构、分布限制及模拟设计;随机序检验的结果不能直接解释为分布处理效应。

原文摘要

This article presents a method of extending the likelihood ratio principle to a nonparametric setting. The problem dealt with is a test for stochastic ordering. The resulting test is shown, via simulation, to have good power. It is shown to be consistent and unbiased.

笔记与分组