Locally Most Powerful Rank Tests for Independence with Censored Data
删失数据独立性检验的局部最强秩检验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：摘要讨论一般删失数据独立性检验，没有所列计量领域细分的充分依据。
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
删失数据独立性检验的局部最强秩检验
- 研究问题
- 存在删失数据时，如何针对单参数分布族构造独立性秩检验，使其在指定的局部备择方向下具有局部最强性质？
- 方法与思路
- 作者推导具有离散得分函数的检验统计量，并利用一项既有定理建立其渐近正态性；摘要未给出删失机制。
- 材料陈述的贡献
- 摘要明确陈述的贡献是单参数族下删失数据独立性的局部最强秩检验，以及所得统计量渐近正态性的理论依据。
- 阅读关注点
- 应核对独立性假设、局部备择和删失条件，查看离散得分如何形成，以及渐近正态定理所需条件是否得到满足。
- 阅读边界
- 仅据OpenAlex索引摘要，版本未注明；局部最强性受所选参数族和备择方向限制，摘要不足以判断一般删失情形下的有效性。
原文摘要
In this paper locally most powerful rank tests for independence with censored data for a one-parameter family are derived. The statistic derived has discrete score functions and its asymptotic normality follows from a theorem essentially given by Ruymgaart [6].