Normal Scores, Normal Plots Tests for Normality
正态得分、正态概率图与正态性检验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：摘要讨论一般正态性诊断，虽涉及厚尾和异常值，但没有金融风险或经济分布效应的直接依据。
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…
关注这篇论文的作者
正态得分、正态概率图与正态性检验
- 研究问题
- 如何改进正态概率图的绘图位置，并将偏态、厚尾等不同非正态来源对应到可用于小样本的检验方法？
- 方法与思路
- 作者提出新的绘图位置与非正态检验，将其视为分解 Shapiro–Wilk 型检验的组成部分，并加入有限样本修正。
- 材料陈述的贡献
- 摘要称新方法结合图形诊断与针对偏态、厚尾的检验；鉴于极限分布收敛缓慢，有限样本修正用于提高小样本可用性。
- 阅读关注点
- 应核对绘图位置的推导、各检验分量对应的偏离类型、有限样本修正的校准范围，以及异常值与厚尾在诊断中的区分。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；修正公式、适用样本量和误拒率未提供，不能判断其相对现有正态性检验的优势。
原文摘要
In this article we develop new plotting positions for normal plots. The use of the plots usually centers on detecting irregular tail behavior or outliers. Along with the normal plot, we develop tests for various departures from normality, especially for skewness and heavy tails. The tests can be considered as components of a Shapiro-Wilk type test that has been decomposed into different sources of nonnormality. Convergence to the limiting distributions is slow, so finite sample corrections are included to make the tests useful for small sample sizes.