On the W test for the extreme value distribution
极值分布的 W 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：摘要仅研究一般极值分布拟合优度，缺乏金融尾部风险等领域背景。
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
极值分布的 W 检验
- 研究问题
- 如何将 Wilk–Shapiro W 统计量用于极值分布的拟合优度检验，并通过模拟获得检验所需的经验分位点？
- 方法与思路
- 作者发展针对极值分布计算和评估 W 统计量的程序，再利用蒙特卡洛实验求取其经验百分位点。
- 材料陈述的贡献
- 摘要明确提供极值分布拟合检验的 W 统计量评估程序及模拟分位点，没有陈述功效或相对其他检验的优势。
- 阅读关注点
- 应核对极值分布的具体形式、未知参数的处理、样本量覆盖范围，以及模拟分位点的精度和使用方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；分布参数化、样本设置及功效未说明，不能由极值分布主题推断金融风险应用。
原文摘要
Procedures are developed for evaluation of the Wilk-Shapiro W statistic to test goodness of fit for the extreme value distribution. Empirical percentage points are obtained by performing Monte Carlo experiments.