A Test for Normality Based on the Empirical Characteristic Function
基于经验特征函数的正态性检验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：长尾在此用于一般正态性检验，并未涉及金融尾部风险或其他所列领域的直接应用。
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
基于经验特征函数的正态性检验
- 研究问题
- 研究如何利用样本的经验特征函数检验正态性，尤其针对底层分布具有长尾这一备择，并考察与已有检验的比较表现。
- 方法与思路
- 作者依据经验特征函数在原点附近的行为构造简便检验；摘要未提供统计量形式、邻域选择规则或临界值计算方法。
- 材料陈述的贡献
- 摘要提出针对长尾备择的正态性检验，并称其与若干知名正态性检验相比具有竞争力，但未给出比较结果和评价指标。
- 阅读关注点
- 应核对长尾备择的定义、未知均值和方差的处理、统计量及校准方式，并查看比较实验中的样本量、备择和功效指标。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明检验条件或具体比较结果，不能据“具有竞争力”断言普遍优于其他方法。
原文摘要
We present a simple test for normality against the alternative that the underlying distribution is long tailed. The test is based on the behaviour of the empirical characteristic function in the neighbourhood of the origin, and is very competitive with several well-known tests for normality.