A nonparametric test of total independence based on Kendall's tau
基于Kendall秩相关系数的完全独立性非参数检验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：摘要属于通用多维独立性检验，没有提供网络、金融风险或其他指定经济计量细分方向的直接证据。
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
基于Kendall秩相关系数的完全独立性非参数检验
- 研究问题
- 如何将Kendall秩相关系数推广到多维情形，以检验多个变量的完全独立性，并利用显著统计量提供依赖关系信息？
- 方法与思路
- 摘要描述计算多变量推广的秩相关量，在多维完全独立的原假设下利用其渐近正态分布构造非参数检验。
- 材料陈述的贡献
- 摘要称这些统计量在完全独立假设下具有渐近正态分布，因此可用于独立性检验；显著结果能够提示非独立性。
- 阅读关注点
- 应核对多变量统计量的定义、渐近方差与抽样条件，以及多个统计量如何联合使用、可识别哪些类型的依赖。
- 阅读边界
- 材料为稿件版本未注明且开头不完整的OpenAlex索引摘要；未提供统计量公式、功效或一致性结论，不能推断对所有依赖均有效。
原文摘要
compute multivariate generalizations of tau. Under the hypothesis of total independence in K dimensions, the computed quantities can be shown to have asymptotic normal distributions, thereby permitting a test of the total independence hypothesis. Significant taus will provide information about nonindependence.