When Heavy Tails Disrupt Statistical Inference
Notice bibliographique
Résumé
Heavy tails (HT) arise in many applications and their presence can disrupt statistical inference, yet the HT statistical literature requires a theoretical background most practicing statisticians lack. We provide an overview of the influence of HT on the performance of basic statistical methods and useful theorems aimed at the practitioner encountering HT in an applied setting. Higher or even lower product moments (i.e., variance, skewness, etc.) can be infinite for some HT populations, yet all L-moments are always finite, given that the mean exists, thus, the theory of L-moments is uniquely suited to all HT distributions and data. We document how L-kurtosis, (a kurtosis measure based on the fourth L-moment) provides a general and practical heaviness index for contrasting tail heaviness across distributions and datasets and how a single L-moment diagram can document both the prevalence and impact of HT distributions and data across disciplines and datasets. Surprisingly, the theory of L-moments, an extension and evolution of probability weighted moments, has been largely overlooked by the literature on HT distributions that exhibit infinite moments. Experiments reveal L-kurtosis ranges under which various HT distributions result in mild to severe disruption to the bootstrap, the central limit theorem (CLT), and the law of large numbers, even for distributions which exhibit finite product moments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,065 | 0,383 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,007 | 0,011 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».