当在对样本进行排序的花费远远小于对样本测量的花费条件下，我们可以考虑通过排序集抽样的方式(RSS)来进一步加强统计推断的精确性。随着排序集抽样方法的提出，更多基于排序集的统计方法得到发展。更多的时候，我们都是在把对样本进行排序假设为精确上进行的，许多的方法都是以排序精确为基础提出的。然而，当排序不精确时，这些方法有可能会失去效用甚至得到比一般随机抽样差的结果。因此，判断排序精确与否显得尤为的重要。Jesse Frey、Omer Ozturk和JayantV.Deshpande在2007年发表的文章Nonparametric Tests for Perfect JudgmentRankings[1]中提出了该问题三种检验的方法。一种是在小样本条件下的精确检验，这种检验是通过求出在排序精确条件下样本次序精确的分布，并结合极大似然思想，构造该问题的拒绝域，进而给出其效率最优的精确检验，这也是鉴定其它检验方法优劣的标准。但是，当样本数量增加时，求得样本次序精确的分布变得异常困难，小样本的精确检验方法就不再适用。因此，文章作者给出了大样本下该问题的两种检验并讨论了其优劣性。第一种检验构造了基于平均秩向量偏移其期望向量的卡方检验统计量K，第二种检验也是在平均秩向量的基础上构造出一种线性偏移和的单边正态检验统计量W，并且给出了第二种检验统计量W效率优于第一种检验统计量K的结论。　　本文主要在这二种检验的基础上，给出了效率更高、计算更简便的单边正态检验统计量M，M的构造只关注排序出错造成的影响，避免了排序正确偏移带来的干扰。本文并且结合检验结果给出该检验统计量M优于K、W的结论。