Kendall和Spearman相关统计量的渐近相对效率

I. Pinelis
{"title":"Kendall和Spearman相关统计量的渐近相对效率","authors":"I. Pinelis","doi":"10.4213/tvp5317","DOIUrl":null,"url":null,"abstract":"Необходимое и достаточное условие для того, чтобы асимптотическая относительная эффективность Питмена для корреляционных статистик Кендалла и Спирмена для критерия независимости равнялась $1$, дано в терминах некоторых свойств гладкости и невырожденности модели. Получены соответствующие простые в использовании и широко применимые достаточные условия. Эти условия выполняются для большинства известных моделей зависимости.","PeriodicalId":132929,"journal":{"name":"Teoriya Veroyatnostei i ee Primeneniya","volume":"275 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-08-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Asymptotic relative efficiency of the Kendall and Spearman correlation statistics\",\"authors\":\"I. Pinelis\",\"doi\":\"10.4213/tvp5317\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Необходимое и достаточное условие для того, чтобы асимптотическая относительная эффективность Питмена для корреляционных статистик Кендалла и Спирмена для критерия независимости равнялась $1$, дано в терминах некоторых свойств гладкости и невырожденности модели. Получены соответствующие простые в использовании и широко применимые достаточные условия. Эти условия выполняются для большинства известных моделей зависимости.\",\"PeriodicalId\":132929,\"journal\":{\"name\":\"Teoriya Veroyatnostei i ee Primeneniya\",\"volume\":\"275 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-08-03\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Teoriya Veroyatnostei i ee Primeneniya\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.4213/tvp5317\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Teoriya Veroyatnostei i ee Primeneniya","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.4213/tvp5317","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

根据肯德尔和斯皮曼对独立标准的渐近相对统计数据的相对效率的必要和充分条件,根据模型的平滑和不退化的某些特性,pitman的相对效率为1美元。在使用中获得了相应的简单条件和广泛适用的充分条件。这些条件适用于大多数已知的上瘾模式。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Asymptotic relative efficiency of the Kendall and Spearman correlation statistics
Необходимое и достаточное условие для того, чтобы асимптотическая относительная эффективность Питмена для корреляционных статистик Кендалла и Спирмена для критерия независимости равнялась $1$, дано в терминах некоторых свойств гладкости и невырожденности модели. Получены соответствующие простые в использовании и широко применимые достаточные условия. Эти условия выполняются для большинства известных моделей зависимости.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Hellinger distance estimation for nonregular spectra On the sum of Gaussian martingale and an independent fractional Brownian motion On sub-gaussian concentration of missing mass Turnpikes in finite Markov decision processes and random walk Optimal information usage in binary sequential hypothesis testing
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1