An Asymptotically Distribution-Free Test for Symmetry versus Asymmetry
对称性对非对称性的渐近分布无关检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要涉及一般单变量分布的对称性检验，未研究分位数或经济变量的分布效应。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
对称性对非对称性的渐近分布无关检验
- 研究问题
- 当单变量总体的对称中心未知时，如何检验总体是否对称，并对较广泛的非对称分布保持有效的检出能力？
- 方法与思路
- 作者提出渐近分布无关的对称性检验，讨论其一致性适用范围，并通过模拟与样本偏度及另一非参数检验比较。
- 材料陈述的贡献
- 摘要称，所提检验在模拟中较准确地保持名义显著性水平，并具有良好功效，包含样本量为二十的情形。
- 阅读关注点
- 应核对未知对称中心的处理、统计量与临界值构造、一致性覆盖的备择，以及模拟分布是否具有代表性。
- 阅读边界
- 所据为稿件版本未注明的索引摘要，不能推断刊本变化。摘要的优势陈述来自所述模拟，未给出全部条件与结果。
原文摘要
An asymptotically distribution-free procedure is proposed for testing whether a univariate population is symmetric about some unknown value versus a broad class of asymmetric distribution alternatives. The consistency class of the test is discussed and two competing tests are described, one based on the sample skewness, and the other on Gupta's nonparametric procedure. A Monte Carlo study shows that the proposed test is superior to either competitor since it maintains the designated α levels fairly accurately even for sample sizes as small as 20, while displaying good power for detecting asymmetric distributions.