Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2501.07645v1

帮助 | 高级搜索

数学 > 统计理论

arXiv:2501.07645v1 (math)
[提交于 2025年1月13日 ]

标题: 学生t置信区间的覆盖误差,与Hall(1988)中的情况相当

标题: Coverage errors for Student's t confidence intervals comparable to those in Hall (1988)

Authors:Art B. Owen
摘要: 表1来自Hall(1988)包含了一些基于$n$独立同分布样本的非参数近似95%置信区间的渐近覆盖误差公式。 该表包括了一个基于中心极限定理使用高斯分位数和高斯最大似然方差估计的区间条目。 它缺少了一个非常广泛使用的学生t$t$置信区间的条目。 本文对高斯条目进行了轻微的数值修正,并提供了学生t$t$区间的条目。 对于偏度$\gamma$和峰度$\kappa$,修正的高斯公式是$0.14\kappa -2.16\gamma^2-3.42$,而$t$区间的公式是$0.14\kappa -2.16\gamma^2$。 重新审视这个估计的动机来自于学生t统计量在随机准蒙特卡罗抽样中出人意料的稳健表现。
摘要: Table 1 of Hall (1988) contains asymptotic coverage error formulas for some nonparametric approximate 95% confidence intervals for the mean based on $n$ IID samples. The table includes an entry for an interval based on the central limit theorem using Gaussian quantiles and the Gaussian maximum likelihood variance estimate. It is missing an entry for the very widely used Student $t$ confidence intervals. This note makes a mild numerical correction for the Gaussian entry and provides an entry for the Student $t$ intervals. For skewness $\gamma$ and kurtosis $\kappa$, the corrected Gaussian formula is $0.14\kappa -2.16\gamma^2-3.42$ and the formula for the $t$ intervals is $0.14\kappa -2.16\gamma^2$. The impetus to revisit this estimate arose from the surprisingly robust performance of Student's t statistic in randomized quasi-Monte Carlo sampling.
主题: 统计理论 (math.ST) ; 数值分析 (math.NA)
引用方式: arXiv:2501.07645 [math.ST]
  (或者 arXiv:2501.07645v1 [math.ST] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.07645
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Art Owen [查看电子邮件]
[v1] 星期一, 2025 年 1 月 13 日 19:11:34 UTC (5 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
math.ST
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
cs.NA
math
math.NA
stat
stat.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号