Improving the Normal Approximation when Constructing One-Sided Confidence Intervals for Binomial or Poisson Parameters
改进二项与泊松参数单侧置信区间的正态近似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：摘要研究通用计数分布参数的区间近似，没有所列经济计量细分方向的直接证据。
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
改进二项与泊松参数单侧置信区间的正态近似
- 研究问题
- 二项或泊松分布的偏斜会怎样影响单侧置信区间中的通常正态近似，能否通过简单修正改善这种近似的准确性？
- 方法与思路
- 作者提出一种针对分布偏斜的简单修正方法，并从理论与实际表现两方面展示其效果；摘要未给出修正公式或实施细节。
- 材料陈述的贡献
- 摘要称，通常正态近似在单侧区间构造中可能因偏斜出现显著误差，所提简单修正具有理论与实践效果，但未报告具体幅度。
- 阅读关注点
- 应核对偏斜修正的具体形式、误差衡量及覆盖率结果，尤其是小样本、参数边界附近和不同置信水平下的适用性。
- 阅读边界
- 所据为版本未注明的OpenAlex索引摘要；未说明误差阶数、比较方法或适用参数范围，不能据此声称精确覆盖或普遍改进。
原文摘要
We show that the usual normal approximation used during the construction of onesided confidence intervals for binomial or Poisson parameters can be significantly in error due to skewness in the underlying distribution. We provide a simple method of correcting for skewness, and demonstrate that it is effective both in theory and in practice.