The studentized empirical characteristic function and its application to test for the shape of distribution
学生化经验特征函数及其分布形状检验应用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：摘要研究通用分布形状与正态性检验，未涉及分布效应、金融收益预测或其他所列经济计量细分方向。
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
学生化经验特征函数及其分布形状检验应用
- 研究问题
- 当位置与尺度参数未知时，如何用经验特征函数检验分布形状，并评估该方法在特定正态性检验备择下的表现？
- 方法与思路
- 作者建议采用学生化经验特征函数模平方检验复合分布假设，研究适当归一化后的弱收敛，并结合模拟比较。
- 材料陈述的贡献
- 摘要称，归一化过程弱收敛至复高斯过程；对某些正态性检验备择，所提统计量的效率优于或相当于样本峰度检验。
- 阅读关注点
- 应核对学生化与归一化的定义、复合假设中未知参数的处理、检验统计量及临界值，以及效率比较涵盖哪些备择。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要，归一化条件和模拟数值未提供，针对特定备择的效率比较不能全面推广。
原文摘要
The empirical characteristic function is found to be effectively applied to test for the shape of distribution. The squared modulus of the studentized empirical characteristic function is suggested for testing the composite hypothesis that μ + σX is subject to a known distribution, for unknown constants μ and σ. It is shown that the studentized empirical characteristic function, if properly normalized, converges weakly to a complex Gaussian process. Asymptotic considerations, as well as computer simulation, reveal that the proposed statistic, when applied to test normality, is more efficient than, or as efficient as, the test by the sample kurtosis, for certain types of alternatives.