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：摘要仅涉及一般分布的正态性检验，未涉及分位数效应、金融尾部风险或其他指定方向。
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
- 如何针对底层分布具有长尾这一备择，构造简单的正态性检验，并利用经验特征函数在原点附近的行为识别偏离？
- 方法与思路
- 作者根据经验特征函数在原点邻域的表现提出检验，针对长尾分布备择；摘要未给出统计量形式或临界值构造。
- 材料陈述的贡献
- 摘要称，该检验与若干常用正态性检验相比具有竞争力，但没有说明比较采用的分布、样本量或功效指标。
- 阅读关注点
- 应核对原点邻域如何选取、统计量和零假设分布如何构造，以及长尾备择范围与检验尺寸、功效的比较设置。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读。摘要未提供比较数值，也未说明对非长尾偏离的检验能力，不能据此声称全面优于其他正态性检验。
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.