Testing Goodness-of-Fit Based on a Roughness Measure
基于粗糙度度量的拟合优度检验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：摘要属于通用密度拟合优度检验，未明确涉及分布效应、金融高频数据或其他所列方向。
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
基于粗糙度度量的拟合优度检验
- 研究问题
- 单样本拟合优度检验中，如何利用真实密度与假设密度在粗糙度上的差异，提高对高频偏离和尖锐特征的敏感性？
- 方法与思路
- 作者定义衡量密度粗糙度差异的距离，从核密度估计角度构造距离估计统计量，并依据渐近分布建立检验程序。
- 材料陈述的贡献
- 摘要称粗糙度度量有利于检出高频备择和具有尖锐特征的密度，并将所提程序与 Kolmogorov–Smirnov 检验比较。
- 阅读关注点
- 应核对粗糙度距离的定义、核和带宽选择、渐近分布所需条件，以及对不同备择的功效比较和显著性水平控制。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；功效优势的条件与比较数值未说明，不能声称该检验对所有备择都更有效。
原文摘要
A test for the one-sample goodness-of-fit problem is proposed. The test is based on a distance that measures the difference, in terms of roughness, between the underlying density function and the hypothesized density function. One advantage of using a roughness measure is high power in detecting high-frequency alternatives and densities with sharp features. The test statistic that estimates the distance is derived from the viewpoint of kernel density estimation, and a testing procedure is developed based on the asymptotic distribution of the test statistic. The proposed test is compared to the Kolmogorov-Smirnov test.