秩和比法原文文献在哪里找？
秩和比法，英文名称为Rank Sum Ratio Test，也常常被称为WilcoxonMannWhitney U Test，是一种非参数检验方法，用于比较两个独立样本的中位数是否存在显著差异。对于寻找其“原文文献”，这通常意味着我们要追溯到该方法被首次提出或系统阐述的学术论文。
要找到秩和比法的“原文文献”，我们主要需要关注那些早期提出或推广了这种非参数检验方法的统计学家和他们的研究成果。这其中最核心的人物是Frank Wilcoxon和Henry Mann & Donald Whitney。
以下是详细的查找路径和相关信息：
1. 理解秩和比法的不同命名及其历史渊源
在深入查找原文文献之前，理解其不同的名称很重要，因为这会影响你搜索的关键词：
Wilcoxon Rank Sum Test (威 Koxon 秩和检验)： 这是Wilcoxon在1945年提出的一种方法，用于比较两组独立样本的中位数。它计算的是其中一个样本的秩次之和。
MannWhitney U Test (MannWhitney U 检验)： 这是由 Henry Mann 和 Donald Whitney 在1947年独立提出的，虽然比Wilcoxon稍晚，但他们提出的方法在概念上与Wilcoxon的秩和检验等价，并且计算上更为普遍。U统计量是两个样本中，第一个样本的每个观测值比第二个样本观测值多的次数。
WilcoxonMannWhitney Test： 现在最常见的叫法，是对两者贡献的综合认可。
秩和比法 (Rank Sum Ratio Test)： 这是中文语境下的叫法，有时可能直接对应 Wilcoxon Rank Sum Test 的计算思路，即比较两个样本的秩次总和的比值（虽然更常见的是直接比较秩次和或U统计量本身是否显著）。但在英文文献中，直接搜索 "Rank Sum Ratio Test" 可能不如搜索 "Wilcoxon Rank Sum Test" 或 "MannWhitney U Test" 来得直接。
核心是：Wilcoxon是先驱，Mann和Whitney进一步发展并推广了更为通用的形式。
2. 查找核心的原始论文
基于以上理解，我们需要寻找以下几位科学家的早期工作：
a) Frank Wilcoxon 的论文 (1945)
Wilcoxon 的工作为秩和检验奠定了基础。他的论文主要发表在Biometrics Bulletin上。
论文标题 (近似或实际名称)： "Individual Comparisons by Ranking Methods"
发表年份: 1945
期刊: Biometrics Bulletin (后来发展为 Biometrics)
查找策略:
1. 搜索关键词: "Frank Wilcoxon 1945 Biometrics Bulletin", "Wilcoxon ranking methods", "Wilcoxon rank sum test original paper"。
2. 利用学术数据库:
Google Scholar: 这是最便捷的入口。直接搜索 "Frank Wilcoxon 1945 Individual Comparisons by Ranking Methods" 或者更简化的 "Wilcoxon 1945 rank"。你很可能在搜索结果的顶部看到他1945年的经典论文。
JSTOR: 这是一个重要的历史期刊数据库。如果你的机构有JSTOR访问权限，可以尝试在里面搜索期刊 "Biometrics Bulletin" 或 "Biometrics"，然后按年份查找1945年的论文。
Web of Science / Scopus: 如果你有这些学术文献数据库的访问权限，它们会提供更专业的搜索和引用追踪功能。
找到这篇论文的提示:
Wilcoxon 的这篇文章虽然没有直接命名为“秩和检验”，但它提出了使用排序（ranking）的方法来比较两组数据。这是后来 MannWhitney U 检验的前身。有时，你可能需要查找那些引用 Wilcoxon 1945 年工作的后续文献，它们会明确指出 Wilcoxon 是最早提出这种排序思想的人。
b) Henry Mann & Donald Whitney 的论文 (1947)
Mann 和 Whitney 的工作在统计学界更为人所熟知，因为他们的 U 统计量计算方式更为标准和易于理解，也使得理论推导更加方便。
论文标题: "On a Test of Whether One of Two Random Variables is Stochastically Larger than the Other"
发表年份: 1947
期刊: The Annals of Mathematical Statistics (现为 The Annals of Applied Statistics 的一部分)
查找策略:
1. 搜索关键词: "Mann Whitney 1947 Annals of Mathematical Statistics", "Mann Whitney U test original paper", "stochastically larger test".
2. 利用学术数据库:
Google Scholar: 搜索 "Mann Whitney 1947" 或 "Mann Whitney U test original paper"。这篇论文通常会排在前面。
JSTOR: 搜索期刊 "The Annals of Mathematical Statistics"，查找1947年的卷期。
Project Euclid: 这是一个数学和统计学文献的数据库，也可能收录这篇论文。
找到这篇论文的提示:
这篇论文是确立 MannWhitney U 检验地位的关键文献，它详细阐述了 U 统计量的计算及其在比较两个样本概率分布上的应用。这篇论文的引用量非常高，是查找该方法“源头”时必不可少的文献。
3. 如何确认是“原文文献”
查证发表日期: 确保你找到的是最早发表相关思想的论文。
检查内容: 阅读摘要和引言部分，看它是否清晰地阐述了使用秩次（ranks）来比较两独立样本的思路。
关注引用: 如果你找到的论文被后来的统计学经典著作或大量综述文章引用为秩和比法或 MannWhitney U 检验的“原始出处”，那么基本可以确定。例如，很多现代统计学教材在介绍 MannWhitney U 检验时，都会明确提到 Mann and Whitney (1947) 和 Wilcoxon (1945)。
4. 中文语境下的“秩和比法”
“秩和比法”这个中文名称可能是在国内学者翻译和介绍这种方法时形成的。虽然英文名称是 Rank Sum Test 或 MannWhitney U Test，但中文里直接用“秩和比法”来指代也是常见的。如果你在中文文献中看到这个词，它很大程度上就是在指代 Wilcoxon 或 MannWhitney U 检验。
查找中文“原文文献”的可能性:
直接找到一篇中文“原文文献”来命名“秩和比法”的可能性不大，因为这种统计方法是国外学者首先提出的。国内的贡献更多在于引入、推广、发展和应用。如果你想找“国内最早介绍或系统阐述秩和比法”的文献，你可以尝试搜索国内的统计学发展史，或者在中文学术数据库（如CNKI、万方）中搜索“秩和比法”、“MannWhitney检验”、“Wilcoxon检验”的早期综述或教材。
总结查找步骤：
1. 明确核心英文名称: Wilcoxon Rank Sum Test, MannWhitney U Test。
2. 锁定关键人物和年份: Frank Wilcoxon (1945), Henry Mann & Donald Whitney (1947)。
3. 使用学术搜索引擎 (Google Scholar 是首选):
搜索 "Frank Wilcoxon 1945 rank"
搜索 "Mann Whitney 1947 Annals of Mathematical Statistics"
4. 利用学术数据库 (JSTOR, Web of Science, Scopus): 如果有权限，进行更精确的检索。
5. 阅读论文摘要和引言: 确认其内容与秩和比法的核心思想一致。
6. 查看引用情况: 确认该论文是否被广泛认为是该方法的起源。
通过以上步骤，你就能找到秩和比法最核心的原始文献。
要找到秩和比法的“原文文献”，我们主要需要关注那些早期提出或推广了这种非参数检验方法的统计学家和他们的研究成果。这其中最核心的人物是Frank Wilcoxon和Henry Mann & Donald Whitney。
以下是详细的查找路径和相关信息：
1. 理解秩和比法的不同命名及其历史渊源
在深入查找原文文献之前，理解其不同的名称很重要，因为这会影响你搜索的关键词：
Wilcoxon Rank Sum Test (威 Koxon 秩和检验)： 这是Wilcoxon在1945年提出的一种方法，用于比较两组独立样本的中位数。它计算的是其中一个样本的秩次之和。
MannWhitney U Test (MannWhitney U 检验)： 这是由 Henry Mann 和 Donald Whitney 在1947年独立提出的，虽然比Wilcoxon稍晚，但他们提出的方法在概念上与Wilcoxon的秩和检验等价，并且计算上更为普遍。U统计量是两个样本中，第一个样本的每个观测值比第二个样本观测值多的次数。
WilcoxonMannWhitney Test： 现在最常见的叫法，是对两者贡献的综合认可。
秩和比法 (Rank Sum Ratio Test)： 这是中文语境下的叫法，有时可能直接对应 Wilcoxon Rank Sum Test 的计算思路，即比较两个样本的秩次总和的比值（虽然更常见的是直接比较秩次和或U统计量本身是否显著）。但在英文文献中，直接搜索 "Rank Sum Ratio Test" 可能不如搜索 "Wilcoxon Rank Sum Test" 或 "MannWhitney U Test" 来得直接。
核心是：Wilcoxon是先驱，Mann和Whitney进一步发展并推广了更为通用的形式。
2. 查找核心的原始论文
基于以上理解，我们需要寻找以下几位科学家的早期工作：
a) Frank Wilcoxon 的论文 (1945)
Wilcoxon 的工作为秩和检验奠定了基础。他的论文主要发表在Biometrics Bulletin上。
论文标题 (近似或实际名称)： "Individual Comparisons by Ranking Methods"
发表年份: 1945
期刊: Biometrics Bulletin (后来发展为 Biometrics)
查找策略:
1. 搜索关键词: "Frank Wilcoxon 1945 Biometrics Bulletin", "Wilcoxon ranking methods", "Wilcoxon rank sum test original paper"。
2. 利用学术数据库:
Google Scholar: 这是最便捷的入口。直接搜索 "Frank Wilcoxon 1945 Individual Comparisons by Ranking Methods" 或者更简化的 "Wilcoxon 1945 rank"。你很可能在搜索结果的顶部看到他1945年的经典论文。
JSTOR: 这是一个重要的历史期刊数据库。如果你的机构有JSTOR访问权限，可以尝试在里面搜索期刊 "Biometrics Bulletin" 或 "Biometrics"，然后按年份查找1945年的论文。
Web of Science / Scopus: 如果你有这些学术文献数据库的访问权限，它们会提供更专业的搜索和引用追踪功能。
找到这篇论文的提示:
Wilcoxon 的这篇文章虽然没有直接命名为“秩和检验”，但它提出了使用排序（ranking）的方法来比较两组数据。这是后来 MannWhitney U 检验的前身。有时，你可能需要查找那些引用 Wilcoxon 1945 年工作的后续文献，它们会明确指出 Wilcoxon 是最早提出这种排序思想的人。
b) Henry Mann & Donald Whitney 的论文 (1947)
Mann 和 Whitney 的工作在统计学界更为人所熟知，因为他们的 U 统计量计算方式更为标准和易于理解，也使得理论推导更加方便。
论文标题: "On a Test of Whether One of Two Random Variables is Stochastically Larger than the Other"
发表年份: 1947
期刊: The Annals of Mathematical Statistics (现为 The Annals of Applied Statistics 的一部分)
查找策略:
1. 搜索关键词: "Mann Whitney 1947 Annals of Mathematical Statistics", "Mann Whitney U test original paper", "stochastically larger test".
2. 利用学术数据库:
Google Scholar: 搜索 "Mann Whitney 1947" 或 "Mann Whitney U test original paper"。这篇论文通常会排在前面。
JSTOR: 搜索期刊 "The Annals of Mathematical Statistics"，查找1947年的卷期。
Project Euclid: 这是一个数学和统计学文献的数据库，也可能收录这篇论文。
找到这篇论文的提示:
这篇论文是确立 MannWhitney U 检验地位的关键文献，它详细阐述了 U 统计量的计算及其在比较两个样本概率分布上的应用。这篇论文的引用量非常高，是查找该方法“源头”时必不可少的文献。
3. 如何确认是“原文文献”
查证发表日期: 确保你找到的是最早发表相关思想的论文。
检查内容: 阅读摘要和引言部分，看它是否清晰地阐述了使用秩次（ranks）来比较两独立样本的思路。
关注引用: 如果你找到的论文被后来的统计学经典著作或大量综述文章引用为秩和比法或 MannWhitney U 检验的“原始出处”，那么基本可以确定。例如，很多现代统计学教材在介绍 MannWhitney U 检验时，都会明确提到 Mann and Whitney (1947) 和 Wilcoxon (1945)。
4. 中文语境下的“秩和比法”
“秩和比法”这个中文名称可能是在国内学者翻译和介绍这种方法时形成的。虽然英文名称是 Rank Sum Test 或 MannWhitney U Test，但中文里直接用“秩和比法”来指代也是常见的。如果你在中文文献中看到这个词，它很大程度上就是在指代 Wilcoxon 或 MannWhitney U 检验。
查找中文“原文文献”的可能性:
直接找到一篇中文“原文文献”来命名“秩和比法”的可能性不大，因为这种统计方法是国外学者首先提出的。国内的贡献更多在于引入、推广、发展和应用。如果你想找“国内最早介绍或系统阐述秩和比法”的文献，你可以尝试搜索国内的统计学发展史，或者在中文学术数据库（如CNKI、万方）中搜索“秩和比法”、“MannWhitney检验”、“Wilcoxon检验”的早期综述或教材。
总结查找步骤：
1. 明确核心英文名称: Wilcoxon Rank Sum Test, MannWhitney U Test。
2. 锁定关键人物和年份: Frank Wilcoxon (1945), Henry Mann & Donald Whitney (1947)。
3. 使用学术搜索引擎 (Google Scholar 是首选):
搜索 "Frank Wilcoxon 1945 rank"
搜索 "Mann Whitney 1947 Annals of Mathematical Statistics"
4. 利用学术数据库 (JSTOR, Web of Science, Scopus): 如果有权限，进行更精确的检索。
5. 阅读论文摘要和引言: 确认其内容与秩和比法的核心思想一致。
6. 查看引用情况: 确认该论文是否被广泛认为是该方法的起源。
通过以上步骤，你就能找到秩和比法最核心的原始文献。
网友意见
1、秩和比法与田凤调
秩和比现在用得少了，论文不多。
秩和比法（Rank-sum ratio，简称RSR法），是我国学者、原中国预防医学科学院田凤调教授于1988年提出的，集古典参数统计与近代非参数统计各自优点于一体的统计分析方法，它不仅适用于四格表资料的综合评价，也适用于行×列表资料的综合评价，同时也适用于计量资料和分类资料的综合评价。
田凤调
原中国预防医学科学院研究员，中国卫生统计学会顾问组长、中国卫生统计杂志原副主编。曾任中华医学会卫生统计学组副组长、中国卫生统计学会副会长兼秘书长。1993年获国务院有突出贡献的科技者称号。因病于2017年12月15日逝世，享年94岁 。
五十多年来从事卫生统计科学研究与教学工作，在普及统计信息知识和推动学术交流中作出了很大贡献。所创立的“秩和比法”是一种全新的实用数量方法，集参数统计与非参数统计于一身，有描述有推断，能提高统计分析与再分析的水平，满足人们在统计研究与统计管理中的各种需求，这是医学统计方法的创新。
主编或编著了《卫生统计应用丛书》、《医学正常值的统计研究方法》、《实用卫生统计学》、《秩和比法及其应用》以及《秩和比法的应用》等书。
上面一些书就是最好的文献。
2、自动计算的秩和比法
上面流程图很清晰的讲了如何计算的整个过程。
上面是一个例子。
上面是原始数据，一定表面每一列即指标的属性（数值越大越牛逼，还是越小越牛逼），然后传上去后就把论文写完了。
上面是秩次矩阵。
秩和比的值，就是相加。
上面这张表最重要
上面讲了拟合过程。
最后得到 分档
由于只对一列排序，它肯定是一条棍子形状。
类似的话题
-
秩和比法，英文名称为Rank Sum Ratio Test，也常常被称为WilcoxonMannWhitney U Test，是一种非参数检验方法，用于比较两个独立样本的中位数是否存在显著差异。对于寻找其“原文文献”，这通常意味着我们要追溯到该方法被首次提出或系统阐述的学术论文。要找到秩和比法的“原............. -
这个问题很有意思，涉及到矩阵秩的基本概念和性质。直接告诉你答案：不一定相等。让我详细地解释一下原因。首先，我们来回顾一下什么是矩阵的“秩”。矩阵的秩（Rank）矩阵的秩，可以从几个不同的角度去理解，这些理解是等价的：1. 线性无关的行（或列）向量的最大个数： 这是一个最直观的定义。一个矩阵的秩就是.............
-
这是一个非常好的问题，它触及了线性代数中关于矩阵秩的核心概念。简单来说，秩为1的矩阵之所以可以写成一个列向量乘以一个行向量的形式，是因为它的所有行（或所有列）都只是第一个行（或第一个列）向量的倍数，也就是说，它们都具有相同的“方向”，只是尺度不同。下面我们来详细解释这个过程：1. 矩阵的秩（Rank.............
-
矩阵的低秩，这可不是个冷冰冰的数学概念，它藏着很多故事，能 tells us about the essence of data, about redundancy, and about how we can simplify complex things without losing too mu.............
-
理解分块矩阵的秩，其实是在我们已经掌握了“秩”这个概念的基础上，将它应用到更复杂的结构——分块矩阵上。这就像我们学了单行字，然后开始学习写句子，最后是篇章。分块矩阵的秩，就是关于这些“篇章”的性质。咱们一步一步来拆解它，尽量说得透彻明白，没有一点“人工智能”的腔调，纯粹是人与人之间的探讨。第一步：重.............
-
这个问题涉及到线性代数中的核心概念，理解它需要我们深入剖析矩阵的秩、向量空间的维度以及线性方程组的解空间。我会尽量详细地解释其中的逻辑。核心概念回顾：1. 矩阵的秩 (Rank of a Matrix, r(A)): 矩阵的秩定义为它的非零行 (或列) 的最大线性无关组的向量个数。 .............
-
这其实是线性代数里一个非常核心的结论，叫做秩（rank）等价定理，它告诉我们，一个矩阵的行秩和列秩总是相等的。听起来有点玄乎，但背后其实有着非常清晰的数学逻辑。咱们一点点捋清楚。首先，我们得先明白“行秩”和“列秩”到底是什么意思。行秩（Row Rank）：想象一下，我们把矩阵的每一行看作一个向量。这.............
-
当然，我们可以用矩阵的秩来深入探讨一些数学问题。我将尽量用一种自然、详实的方式来解释，就像和一位对数学有兴趣的朋友交流一样，希望能避免那种生硬的AI风格。矩阵的秩：它的含义与重要性在开始之前，我们先简要回顾一下矩阵的秩是什么。你可以把矩阵想象成一个数的表格，它隐藏着很多关于“数据关联性”的信息。矩阵.............
-
要证明一个矩阵的秩，我们可以从几个不同的角度入手，每种方法都有其侧重点和适用场景。我会尽量详细地解释这些方法，并以一种不那么“教科书式”的方式来阐述。首先，我们需要明确一点：矩阵的秩是什么？ 简单来说，矩阵的秩描述了它“线性独立”的行（或列）的数量。这就像在说，这个矩阵能够通过“线性组合”生成多少个.............
-
好的，我们来深入探讨一下如何证明一个矩阵的秩。我会尽量用通俗易懂的方式，并且去掉那些让AI味十足的生硬表达，就像一位经验丰富的数学老师在跟你讲课一样。首先，我们得明确一点：秩（rank）是矩阵的一个非常重要的性质，它告诉我们这个矩阵“有多么不平凡”，或者说它能够“展开”出一个多大的线性空间。 可以理.............
-
矩阵的“秩”这个概念，初听起来可能有些抽象，但它其实是理解矩阵背后线性关系的一个非常核心的工具。我们可以从几个不同的角度来剖析它，就像剥洋葱一样，层层深入，最终看到本质。1. 向量空间的视角：线性无关的“骨架”想象一下，一个矩阵就像一个“点石成金”的机器，它接收一组向量（输入），然后通过某种规则（矩.............
-
好的，我们来用通俗易懂的方式详细理解一下矩阵的秩。想象一下，矩阵就像是一个装满了数字的表格，或者说是一个二维的“信息网”。矩阵的秩，顾名思义，就是衡量这个信息网中“独立有效信息”有多少。我们来一步步拆解：1. 矩阵的“信息”是什么？一个矩阵的每一行或每一列都可以看作是一个“向量”，就像一个带有方向和.............
-
你这个问题问得非常好，这是线性代数中一个非常核心且重要的结论。让我来给你好好捋一捋，用我自己的方式讲明白为什么一个 n 阶满秩方阵乘以向量 x 等于零向量，那么 x 只能是零向量。咱们先拆解一下关键词： n 阶方阵 A：就是一个 n 行 n 列的矩阵。 满秩：这是关键中的关键。一个 n 阶方.............
-
是的，当一个向量组等价时，其秩一定相等。这是线性代数中一个非常重要的性质，并且有充分的理论依据。下面我将详细解释其中的原因。首先，我们来明确几个概念： 向量组 (Vector Group/Set of Vectors): 指的是一组向量的集合，例如 ${v_1, v_2, dots, v_m}$.............
-
关于现任日本内阁总理大臣在品秩上是否有资格被授予从一位，这是一个挺有意思的问题，涉及到日本的官位制度和现代政治体系的结合。要详细讲，咱们得从头说起。首先得明白，日本的“品秩”这个概念，现在更多是一种历史性的说法，或者说是对过去等级制度的一种追溯。在明治维新之后，日本建立了一套现代化的文官制度，其中也.............
-
好的，我们来聊聊如何证明一个矩阵的秩。这绝对是一个很有意思的话题，它能帮助我们理解矩阵的“有效性”或者说它能“表达”的信息量有多大。要把它讲得详细透彻，不带AI腔调，咱们就得从根本上说起，一步步来。首先，咱们得明白什么是矩阵的秩。你可以在很多地方看到定义，比如“线性无关的行向量或列向量的最大个数”。.............
-
好的，咱们来好好聊聊，为什么一个矩阵 A 的行列式不等于零，就说明它是一个“满秩”的矩阵。这背后其实是线性代数里几个非常核心且相互关联的概念。我尽量用最直观的方式给你讲清楚，让你感觉就像我们在咖啡馆里边喝咖啡边讨论数学一样。想象一下，我们有一个方阵 A，比如一个 2x2 的矩阵：$A = egin.............
-
两晋时期，群雄并起，风云激荡。在这样的乱世之中，陈敏、华秩、杜弢、杜曾这几位枭雄，他们确实有过打破死局、走向巅峰的可能，但最终却都走向了失败。细究起来，他们每个人身上都有着独特的闪光点，也都有着致命的缺陷。陈敏，出身卑微，却能凭借个人勇武和智谋，在吴地的乱局中迅速崛起，成为一方势力。他早年随任恺起事.............
-
好的，我们来详细证明一下，当 $a_1, a_2, dots, a_n$ 互不相等时，范德蒙矩阵 $V$ 的秩是 $min(m, n)$。首先，我们需要明确范德蒙矩阵的定义。一个 $m imes n$ 的范德蒙矩阵 $V$ 的元素由 $V_{ij} = a_j^{i1}$ 给出，其中 $i$ 表示.............
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有