×
阿尔瓦雷斯-埃斯特班，P.C。;del Barrio，E。;库斯塔·阿尔贝托斯，J.A。;马特兰，C。

在多个样本中搜索通用的池模式。 （英语） 2013年1月1471.6日

计算。统计数据分析。 67, 1-14 (2013).
小结：对西班牙大学入学考试的10个年级学生的成绩进行了分析。感兴趣的是找出表现出类似评分模式的评分员中最多的一组，或者同等地，检测是否有评分员的成绩与其余评分员确定的模式存在显著偏差。由于所涉学生和评分员的背景不同，同质性太强，不能被视为现实的零模型。相反，考虑了较弱的相似性模型，在这种情况下似乎更合适。为了解决这个问题，开发了一个旨在搜索隐藏主模式的统计过程。该程序基于检测和删除与其他分级器明显不相似（混合）的分级器。这是通过使用概率度量、引导方法和逐步搜索算法来实现的。此外，该程序还允许一个人识别每个评分员的哪部分成绩使他/她与其他评分员不同。

引用于1文件

MSC公司：

2008年6月62日 统计问题的计算方法
62克10 非参数假设检验

关键词：

修剪分布;相似性;集合分配;联营模式;逐步向后搜索;瓦瑟斯坦距离;公正修剪;引导数据库;合并样本

软件：

R（右）
PDF格式BibTeX公司 XML格式引用
\textit｛P.C.Álvarez Esteban｝等人，计算机。统计数据分析。67、1-14（2013；Zbl 1471.62013）
全文： 内政部

参考文献：

[1] 阿尔瓦雷斯-埃斯特班，P.C。；del Barrio，E。；Cuesta Albertos，法学硕士。；Matrán，C.，Trimmed分布比较，J.Amer。统计师。协会，103，482，697-704，（2008）·Zbl 1471.62262号
[2] 阿尔瓦雷斯-埃斯特班，P.C。；del Barrio，E。；Cuesta-Albertos，J.A。；Matrán，C.，最优不完全运输计划的唯一性和近似计算，Ann.Inst.H.PoincaréProbab。统计，47，2358-375，（2011）·Zbl 1215.49042号
[3] 阿尔瓦雷斯-埃斯特班，P.C。；del Barrio，E。；Cuesta-Albertos，J.A。；Matrán，C.，《样品和修剪的相似性》，伯努利，18，606-634，（2012）·Zbl 1239.62005号
[4] Biau，G。；Györfi，L.，关于非参数均匀性检验的渐近性质，IEEE Trans。通知。理论，51，3965-3973，（2005）·兹比尔1286.62041
[5] Bickel，P.J。；Freedman，D.A.，引导的一些渐近理论，Ann.Statist。，9, 1196-1217, (1981) ·Zbl 0449.62034号
[6] 曹，R。；Van Keilegom，I.，通过非参数密度估计对两样本问题进行经验似然检验，加拿大。J.统计。，34，1，61-77，（2006年）·Zbl 1096.62038号
[7] Hájek，J。；什伊达克，Z。；Sen，P.K.，《等级测试理论》，（1999），学术出版社·Zbl 0944.62045号
[8] Kiefer，J.，\（k）-科尔莫戈罗夫·斯米尔诺夫（Kolmogorov-Smirnov）、克拉梅尔·冯·米塞斯（cramér-von Mises）测试的样本类似物，《数学年鉴》。统计学。，30, 420-447, (1959) ·Zbl 0134.36707号
[9] 马丁内斯·坎布罗，P。；de Uñaálvarez，J.，非参数样本检验：密度函数与分布函数，计算。统计师。数据分析。，5313344-3357，（2009年）·Zbl 1453.62152号
[10] 马丁内斯·坎布罗，P。；de Uña Alvarez，J。；Corral，N.，\（k）-基于核密度估计值公共区域的样本检验，J.Statist。计划。推理，138，12，4006-4020，（2008）·Zbl 1146.62026号
[11] R开发核心团队，R：统计计算的语言和环境，（2012年），R统计计算基金会
[12] 肖尔茨（F.W.Scholz）。；Stephens，M.A.，（k）-样本安德森-标记测试，J.Amer。统计师。协会，82，918-924，（1987）
[13] Wyłupek，G.，数据驱动的样本测试，技术计量学，52，107-122，（2010）
[14] 张杰。；Wu，Y.，\（k）-基于似然比的样本检验，计算。统计师。数据分析。，51, 4682-4691, (2007) ·Zbl 1162.62354号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。