Bounds for a nonparametric t table
非参数 t 临界值表的界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 t 统计量的概率界，尾概率措辞本身不足以支持金融尾部风险分类。
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
非参数 t 临界值表的界
- 研究问题
- 在随机变量独立且对称、未指定正态分布时，如何为通常的 Student t 统计量构造尾概率界与临界值界？
- 方法与思路
- 作者利用独立对称变量标准化和的尾概率不等式，推导 t 统计量的尾概率界，并构造上尾临界值表进行比较。
- 材料陈述的贡献
- 摘要称，当样本量增加且尾概率趋零时，所得 t 临界值与通常临界值的相对差异渐近可忽略，并提供上尾表例。
- 阅读关注点
- 应核对独立与对称条件之外的要求、尾概率和样本量的联合趋近方式，以及界的保守程度与临界值计算步骤。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；不等式、联合极限条件和表中数值未提供，不能直接替代实际检验所需的临界值。
原文摘要
A simple inequality for bounding the tail probabilities of normalized sums of independent, symmetric random variables is used to produce bounds on the tail probabilities of the usual Student t statistic under the same hypothesis. The relative difference between the resulting t scores and the usual ones is shown to be asymptotically negligible as the sample size increases and the tail probability decreases to zero. As an example, a table of upper 0·025 cutoff bounds is given and compared to the usual bounds.