Inferential Aspects of the Skew Exponential Power Distribution
偏斜指数幂分布的统计推断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：摘要研究通用分布族的似然与稳健推断，厚尾本身不足以支持金融风险或分布效应分类。
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
偏斜指数幂分布的统计推断
- 研究问题
- 当数据存在偏斜或厚尾而不适合正态模型时，偏斜指数幂分布如何支持参数似然推断、正态性检验与稳健估计？
- 方法与思路
- 作者求取最大似然估计量的信息矩阵，数值研究有限样本性质，特别分析正态情形下的估计量与似然比统计量。
- 材料陈述的贡献
- 摘要称在适度偏离正态时，该分布下的估计可优于正态模型估计，并与稳健估计竞争，同时保留可解释的位置和尺度参数。
- 阅读关注点
- 应核对正态特例下的信息矩阵与似然比行为、独立和依赖数据的条件，以及适度偏离正态的定义和比较指标。
- 阅读边界
- 所据为稿件版本未注明的 OpenAlex 索引摘要；有限样本数值与依赖条件未说明，比较优势不能推广到所有偏斜或厚尾分布。
原文摘要
When the analysis of real data indicates that normality assumptions are untenable, more flexible models that cope with the most prevalent deviations from normality can be adopted. In this context, the skew exponential power (SEP) distribution warrants special attention, because it encompasses distributions having both heavy tails and skewness, it allows likelihood inference, and it includes the normal model as a special case. This article concerns likelihood inference about the parameters of the SEP family. In particular, the information matrix of the maximum likelihood estimators (MLEs) is obtained and finite-sample properties of the estimators are investigated numerically. Special attention is given to the properties of the MLEs and likelihood ratio statistics when the data are drawn from a normal distribution, because this case is relevant for using the SEP distribution to test for normality. Application of the SEP distribution in robust estimation problems is considered for both independent and dependent data. Under moderate deviations from normality, estimators obtained under the SEP distribution are shown to outperform the normal-based estimators and to compete with robust estimators; furthermore, the SEP distribution offers the benefits of having a specified distribution, such as interpretable location and scale parameters under nonnormality.