More Light on the Kurtosis and Related Statistics
峰度及相关统计量的进一步分析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：摘要讨论一般分布形态与正态性检验，没有金融收益或经济分布效应的直接应用依据。
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
峰度及相关统计量的进一步分析
- 研究问题
- 如何构造不受尺度与位置变化影响的统计量，区分对称分布族中的不同尾部形态，并理解样本峰度在检验中的作用？
- 方法与思路
- 作者先构造对称密度族成员之间的尺度不变检验，再通过位置不变化修改得到样本峰度，并以蒙特卡洛比较四个统计量。
- 材料陈述的贡献
- 摘要称揭示样本峰度与特定分布检验的联系，另提出三个区分轻尾与重尾的统计量，包括基于极差及中位数平均偏差的比值。
- 阅读关注点
- 阅读时应核对分布族的准确表达、不变性修改的依据、各统计量的检验方向，以及蒙特卡洛所用分布、样本量和评价指标。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；密度表达的幂次排版需查原PDF，摘要未给比较数值，不能认定某统计量普遍更优。
原文摘要
We develop a scale invariant test for one member of the family given by the symmetric densities c exp [—|x|θ], θ>0 against another member. The statistic which arises in testing θ = 2 (normal) against θ = 4 is then modified to make it also location invariant; this modification results in the kurtosis K of the sample. Three other statistics are proposed for testing light-tailed distributions against heavy-tailed ones; in particular, the ratio V of one-half of the range and the mean deviation from the sample median is considered. A Monte Carlo study compares the relative values of the four statistics.