The Effect of Dependence on Chi Squared Tests of Fit
观测依赖对卡方拟合检验的影响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：摘要明确讨论平稳随机过程及序列相关如何影响拟合检验，与时间序列中的依赖数据推断直接相关。
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
观测依赖对卡方拟合检验的影响
- 研究问题
- 当观测构成平稳随机过程而非独立样本时，Pearson 卡方拟合检验受到何种影响，序列相关是否会干扰正态性判断？
- 方法与思路
- 作者概述平稳依赖数据下原假设成立时的渐近分布理论并提供例子，进一步研究高斯平稳过程中的正态拟合检验。
- 材料陈述的贡献
- 摘要称在一类较一般的高斯平稳过程中，观测之间的正相关会与非正态性相混淆，揭示忽略依赖的检验解释问题。
- 阅读关注点
- 核对平稳过程与依赖条件、分组规则、卡方统计量的极限分布，以及正相关和非正态性混淆的具体含义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未说明过程类别或修正检验方案，不能断言所有正相关都会产生相同后果。
原文摘要
Tests of fit that assume i.i.d. observations may be affected by dependence among the observations. This effect is studied for the Pearson chi squared test when the data form a stationary stochastic process. The general form of asymptotic distribution theory under the null hypothesis is outlined and examples are given. For testing fit to a specified normal law, it is shown that when observations come from a quite general class of Gaussian stationary processes, positive correlation among the observations is confounded with lack of normality.