Robust Univariate Test of Symmetry
稳健的单变量对称性检验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：摘要属于一般对称性检验，未提供微观分布效应或金融风险等细分领域的直接证据。
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
稳健的单变量对称性检验
- 研究问题
- 如何利用次序统计量之间的间距检验分布对称性，在捕捉对称变量的小幅偏斜变换时兼顾样本表现出的长尾特征？
- 方法与思路
- 作者提出基于次序统计量间距的对称性检验，并按样本的长尾表现进行调整，与常规偏度检验及 Gupta 程序比较。
- 材料陈述的贡献
- 摘要称所提检验对小幅偏斜变换敏感，且经过长尾调整；在与两种既有方法的比较中，作者报告其对称性检验表现最好。
- 阅读关注点
- 应核对间距统计量与长尾调整的定义、原假设下的校准、比较使用的分布和样本量，以及“最好”具体指哪些表现指标。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；比较范围、指标及数值结果未说明，不能视为对所有分布均最优或推断刊本变化。
原文摘要
This paper presents a test of symmetry based on the gaps of the order statistics. This test is sensitive to small skewed transformations of symmetric random variables and is adjusted for the apparent long-tailedness of the sample. A comparison of this adjusted test, the usual skewness test g 1, and Gupta's asymptotically nonparametric procedure shows that the procedure presented here has the best performance as a test of symmetry.