于英格斯特（Yu Ingster）。一、。;I.A.苏斯琳娜。 高斯模型下的非参数优良性检验。 （英文） Zbl 1013.62049号 统计学课堂讲稿. 169. 纽约州纽约市：斯普林格。xiv，453页（2003年）。 虽然大多数关于非参数统计的书籍都侧重于估计理论，但本书致力于非参数优良性测试的现代理论。与非参数估计平行，对于一类足够宽的非参数假设检验，极大极小方法的渐近版本和构造渐近最不利先验的方法是关键因素。这些方法用于构造渐近极小极大检验，并获得由序列空间中的幂和贝索夫范数确定的备选方案的极小极大错误概率的尖锐渐近性。结合小波变换，给出了函数空间中由Sobolev和Besov范数确定的方案的极小极大一致性检验的结构和速率渐近性。重点是高斯模型。主要考虑简单的零假设，但主要思想和结果也扩展到了复合零假设的测试。这本书分为9部分、8章和一个附录。第一章回顾了经典假设检验的基本概念和基本结果。第2章包含了本书所需的假设检验问题和已知基本结果的陈述。第三章的主题是极大极小可辨性。在第四章中，研究了简单渐近的尖锐渐近性，而在第五章中讨论了一般高斯渐近性。在第六章中，我们得到了两序列空间中的极值问题以及幂范数和贝索夫范数极值问题的渐近尖锐解。第7章致力于功率和贝索夫范数的自适应假设检验。第8章涉及高维信号检测。附录包含证明的一些技术要素。章节标题：1。引言；2.概述；3.最小最大可分辨性；4.明显的渐近性。我；5.明显的渐近性。II；6.幂范数和贝索夫范数的高斯渐近性；7.适应功率和贝索夫规范；8.高维信号检测。A.附录。假设拥有相当先进的概率论和数理统计知识。这本书的水平达到了相当高的标准。对非参数统计推断理论感兴趣的数学统计学家，以及处理信号检测和传输、技术和医学诊断以及其他领域中应用的非参数统计问题的专家，肯定会对本书感兴趣。审核人：玛丽·胡什科娃（普拉哈） 引用于1审查引用于131文件 MSC公司： 62G10型 非参数假设检验 62-02年 与统计有关的研究展览（专著、调查文章） 6220国集团 非参数推理的渐近性质 PDF格式BibTeX公司 XML格式引用 \textit{Yu.I.Ingster}和\textit{I.A.Suslina}，高斯模型下的非参数良好性测试。纽约州纽约市：施普林格（2003；Zbl 1013.62049）