Computer-Intensive Methods for Tests about the Mean of an Asymmetrical Distribution
非对称分布均值检验的计算密集方法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：摘要研究通用均值检验的有限样本表现，未涉及所列分布效应或其他经济计量细分方向。
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
非对称分布均值检验的计算密集方法
- 研究问题
- 对于偏态总体的小样本均值单侧检验，如何缓解传统 t 检验及偏态修正检验的尺寸失真和功效不足？
- 方法与思路
- 作者比较 t 检验与 Johnson 检验，并针对强偏态小样本提出 bootstrap 重抽样检验，以广泛蒙特卡洛研究评估。
- 材料陈述的贡献
- 摘要称，Johnson 检验在所述情境下优于 t 检验；强偏态小样本时，所提重抽样方法可进一步降低两类错误概率。
- 阅读关注点
- 应核对重抽样检验的构造、模拟分布与样本量范围，以及第一类错误控制和功效比较是否使用一致的检验水平。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未提供模拟设计和错误率数值，稳健性不能推广到所有分布，不能推断刊本变化。
原文摘要
For one-sided tests about the mean of a skewed distribution, the t test is asymptotically robust for validity; however, it can be quite inaccurate and inefficient with small sample sizes. Results presented here confirm that a procedure due to Johnson should be preferred to the t test when the parent distribution is asymmetrical, because it reduces the probability of type I error in cases where the t test has an inflated type I error rate and it is more powerful in other situations. But if the skewness is severe and the sample size is small, then Johnson's test can also be appreciably inaccurate. For such situations, computer-intensive test procedures using bootstrap resampling are proposed, and with an extensive Monte Carlo study it is shown that these procedures are remarkably robust and can result in reduced probabilities of type I and type II errors compared to Johnson's test.