On Classical Tests of Normality
论经典正态性检验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：摘要研究一般正态性检验，厚尾偏离本身不足以归入金融尾部与系统性风险。
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
论经典正态性检验
- 研究问题
- 基于偏度、峰度等统计量的经典正态性检验具有怎样的渐近分布，峰度对对称厚尾偏离是否总是更敏感？
- 方法与思路
- 作者推导一类统计量的一般渐近分布，并比较峰度系数与平均离差对标准差之比在检测对称厚尾偏离时的表现。
- 材料陈述的贡献
- 摘要称推导结果与 Geary 的结果略有不同，并指出峰度系数在检测对称厚尾偏离时未必优于平均离差与标准差之比。
- 阅读关注点
- 应核对统计量类别、渐近推导的矩条件、与既有结果的具体差异，以及比较检验表现时采用的备择分布与评价标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出分布条件与比较数值，不能据此给出各种偏离下的统一检验排序。
原文摘要
Geary studied the use of kurtosis and skewness statistics in testing for normality. The general asymptotic distribution of a class of statistics is derived in this paper, yielding a result which differs slightly from that given by Geary. It is found that the coefficient of kurtosis is not necessarily superior to the ratio of the mean deviation to standard deviation in detecting large tail, symmetric departures from normality.