Nonparametric goodness-of-fit tests for uniform stochastic ordering
一致随机序的非参数拟合优度检验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：摘要直接研究两个分布的一致随机序及分布比较检验，对应分位数与分布方向，但未建立因果分布效应。
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…
一致随机序的非参数拟合优度检验
- 研究问题
- 当两个连续分布均未知时，如何检验它们是否满足一致随机序，并处理检验校准、有限样本表现和样本量规划？
- 方法与思路
- 作者利用一致随机序对应的序数优势曲线星形性质，构造基于 Lp 距离的检验，并推导渐近分布和最不利配置。
- 材料陈述的贡献
- 摘要称，检验具有唯一最不利配置；模拟中已知参照分布的改单样本版本较所比较方法功效更高，并给出药理应用。
- 阅读关注点
- 应核对一致随机序与星形约束的定义、最不利配置和临界值构造，以及单样本功效比较与样本量计算的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；功效优势来自特定单样本模拟比较，不能推广至所有双样本情形或解释为因果效应。
原文摘要
We propose $L^{p}$ distance-based goodness-of-fit (GOF) tests for uniform stochastic ordering with two continuous distributions $F$ and $G$, both of which are unknown. Our tests are motivated by the fact that when $F$ and $G$ are uniformly stochastically ordered, the ordinal dominance curve $R=FG^{-1}$ is star-shaped. We derive asymptotic distributions and prove that our testing procedure has a unique least favorable configuration of $F$ and $G$ for $p\in [1,\infty]$. We use simulation to assess finite-sample performance and demonstrate that a modified, one-sample version of our procedure (e.g., with $G$ known) is more powerful than the one-sample GOF test suggested by Arcones and Samaniego [Ann. Statist. 28 (2000) 116–150]. We also discuss sample size determination. We illustrate our methods using data from a pharmacology study evaluating the effects of administering caffeine to prematurely born infants.