Robust Two-Sample Permutation Tests
稳健两样本置换检验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：摘要研究通用两样本稳健检验，未涉及分位数效应、因果效应或其他所列领域的特定问题。
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
稳健两样本置换检验
- 研究问题
- 如何检验两样本联合分布的置换不变性，并在指定备择附近兼顾模型偏离下的稳健性和检验效率？
- 方法与思路
- 作者构造随机化检验，在指定备择的邻域内研究极小极大性质，并针对共享位置尺度干扰参数提出修正。
- 材料陈述的贡献
- 摘要称检验具有有限样本 p 值与渐近 Bahadur 斜率的极小极大性质，并刻画固定总误差敏感度下的效率权衡。
- 阅读关注点
- 应核对备择邻域及总误差敏感度的定义、置换不变性原假设，以及去除干扰参数版本的大样本适用条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；最优性限于指定邻域和比较准则，不能推断任意污染下都有效或最优。
原文摘要
A new two-sample randomization test is proposed for testing that the joint distribution of two samples is invariant under permutations. The $p$-value of the test has a finite sample minimaxity property over neighborhoods of completely specified alternative distributions. Asymptotically, the test has minimax Bahadur slope against the neighborhoods, which remain fixed as the sample sizes increase. The proposed test also offers the best compromise between robustness against departures from a model alternative and optimality at the model alternative in the sense that no other test with the same gross-error-sensitivity has larger slope at the model. Some modifications of the test are proposed for testing the nonparametric null hypothesis against neighborhoods of models that have a shared nuisance location-scale parameter. These nuisance-parameter-free versions of the test are justified for large samples from exponential families, and an example of their use is given.