Testing for Normality in Arbitrary Dimension
任意维度下的正态性检验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：摘要研究通用多元正态性检验，没有所列经济计量细分方向的直接文本依据。
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
任意维度下的正态性检验
- 研究问题
- 如何检验未知参数的多元正态性，在任意维度下构造可用的渐近临界值，并使检验对广泛的非正态备择保持一致性？
- 方法与思路
- 作者扩展经验特征函数经 Mahalanobis 变换后的弱收敛结果，构造最大偏差统计量，并结合 Fernique 不等式与数值方法求界。
- 材料陈述的贡献
- 摘要称给出渐近分位点的精确上界，形成保守的大样本检验；多元一致性覆盖各分量有限方差的备择，一元覆盖所有备择。
- 阅读关注点
- 应核对变换中参数估计的处理、弱收敛条件、临界值上界的计算和保守程度，并比较模拟中的检验水平与功效。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要。精确上界针对渐近分位点，并不保证有限样本水平精确；摘要未给出模拟数值或维度限制细节。
原文摘要
The univariate weak convergence theorem of Murota and Takeuchi (1981) is extended for the Mahalanobis transform of the $d$-variate empirical characteristic function, $d \geq 1$. Then a maximal deviation statistic is proposed for testing the composite hypothesis of $d$-variate normality. Fernique's inequality is used in conjunction with a combination of analytic, numerical analytic, and computer techniques to derive exact upper bounds for the asymptotic percentage points of the statistic. The resulting conservative large sample test is shown to be consistent against every alternative with components having a finite variance. (If $d = 1$ it is consistent against every alternative.) Monte Carlo experiments and the performance of the test on some well-known data sets are also discussed.