On classical tests of normality
经典正态性检验研究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：摘要讨论一般正态性检验及厚尾备择，未涉及金融尾部风险度量或特定经济模型，不能仅凭厚尾表述归入金融风险。
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
经典正态性检验研究
- 研究问题
- 偏度、峰度及平均离差与标准差之比等统计量如何用于正态性检验，它们对对称厚尾偏离的检测能力是否存在固定排序？
- 方法与思路
- 作者推导一类统计量的一般渐近分布，并将所得结果与Geary的既有结论比较，用于考察经典正态性检验的表现。
- 材料陈述的贡献
- 摘要称其渐近分布结果与Geary略有不同，并指出检测对称厚尾偏离时，峰度系数未必优于平均离差与标准差之比。
- 阅读关注点
- 应核对统计量族的定义、所需矩条件、与既有结果的具体差异，以及厚尾备择下用于比较检测能力的标准。
- 阅读边界
- 索引摘要未注明稿件版本，不能推断刊本变化；摘要未列出渐近分布或功效数值，不能据此选定普遍最佳的正态性检验。
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.