Table of Percentage Points of Kolmogorov Statistics
Kolmogorov统计量的分位点表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：摘要研究通用拟合优度统计量及其分位点表，缺少所列微观、宏观或金融细分领域的直接文本依据。
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
Kolmogorov统计量的分位点表
- 研究问题
- 利用经验累积分布与已知连续分布之间的最大偏差进行拟合优度检验时，如何获得更完整的单侧与双侧统计量分位点表？
- 方法与思路
- 作者针对经验分布与已知分布的单侧及绝对最大偏差统计量，通过对已知渐近公式进行经验修正，计算并扩展所需分位点表。
- 材料陈述的贡献
- 摘要称，在参照分布连续时，两类统计量的分布不依赖其具体形式；论文提供比此前更广泛的分位点表，数值来自渐近公式的经验修正。
- 阅读关注点
- 应核对表格覆盖的样本量和概率水平、经验修正的校准与误差，以及参照分布已知且连续的要求；参数由样本估计时需另查适用性。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明。摘要未提供表值精度或修正细节，不能直接用于参数经样本估计的参照分布，也不能推断刊本变化。
原文摘要
A simple method for testing the probability that a set of numbers is a sample from a known distribution consists of comparing the empirical cumulative distribution function of the sample, S n (x), with the known cumulative distribution function F(x). Both D n = maximum {S n (x) – F{x)} and D n * = maximum | S n (x) – F(x) | are random variables, independent of the special form of F(x), if F(x) is continuous. This paper contains more extensive tables of the percentage points in the distributions of D n and D n * than have been published previously. These values are obtained by empirical modification of a known asymptotic formula.