A NEW CHARACTERIZATION OF THE NORMAL DISTRIBUTION AND TEST FOR NORMALITY
正态分布的新刻画与正态性检验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：论文核心是通用正态性检验，分位数工具及股票收益示例不足以归入分布效应或资产定价。
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…
正态分布的新刻画与正态性检验
- 研究问题
- 样本均值与不同样本分位数之间的渐近协方差，能否提供正态分布的等价刻画，并据此构造整体正态性检验及图形诊断？
- 方法与思路
- 作者分析均值与分位数的渐近协方差函数，利用其跨分位数是否恒定建立正态性检验，并提出可视化诊断程序。
- 材料陈述的贡献
- 摘要称，跨分位数协方差恒定当且仅当总体正态，并据此提出整体检验与图形方法；模拟显示良好有限样本性质。
- 阅读关注点
- 应核对等价刻画所需的分布条件、协方差过程的估计与检验校准，并查看模拟比较和股票收益应用中的具体实施。
- 阅读边界
- 本导读仅据所给 Crossref 摘要；刻画的正则条件、检验优势的具体内容及数值证据摘要未说明，不能判断其普遍优越性。
原文摘要
We study the asymptotic covariance function of the sample mean and quantile, and derive a new and surprising characterization of the normal distribution: the asymptotic covariance between the sample mean and quantile is constant across all quantiles, if and only if the underlying distribution is normal. This is a powerful result and facilitates statistical inference. Utilizing this result, we develop a new omnibus test for normality based on the quantile-mean covariance process. Compared to existing normality tests, the proposed testing procedure has several important attractive features. Monte Carlo evidence shows that the proposed test possesses good finite sample properties. In addition to the formal test, we suggest a graphical procedure that is easy to implement and visualize in practice. Finally, we illustrate the use of the suggested techniques with an application to stock return datasets.