Improving the normal approximation when constructing one-sided confidence intervals for binomial or Poisson parameters
构造二项或泊松参数单侧置信区间时的正态近似改进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：摘要讨论通用计数分布参数的区间估计，未涉及所列经济计量细分领域的特定问题。
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
构造二项或泊松参数单侧置信区间时的正态近似改进
- 研究问题
- 二项或泊松分布的偏斜如何影响参数单侧置信区间的正态近似，能否通过简单校正降低这种近似误差？
- 方法与思路
- 作者提出针对分布偏斜的简单校正方法，用于改进常见的单侧置信区间构造，并从理论和实践两方面考察效果。
- 材料陈述的贡献
- 摘要称，通常使用的正态近似可能因偏斜产生明显误差，所提出的校正方法在理论分析和实际使用中有效。
- 阅读关注点
- 应核对校正公式、理论误差标准、参数及样本量范围，并检查边界参数和稀少事件下的实际覆盖表现。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 摘要；未说明校正公式、覆盖率或有效范围，不能据此判断刊本细节。
原文摘要
We show that the usual normal approximation used during the construction of onesided confidence intervals for binomial or Poisson parameters can be significantly in error due to skewness in the underlying distribution. We provide a simple method of correcting for skewness, and demonstrate that it is effective both in theory and in practice.