跳到正文
← 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:摘要明确以样本分位数构造分布拟合优度检验,直接涉及分位数方法。

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
Eve Bofinger

使用样本分位数的拟合优度检验

研究问题
当待检验分布包含未知参数时,如何利用样本分位数构造拟合优度检验,并减少传统分组检验中区间边界的选择困难?
方法与思路
作者在所关注分位点处具有连续性和严格递增性的分布设定下构造检验,并分析其与分组观测检验的渐近关系。
材料陈述的贡献
摘要称该检验在接近原假设的备择下与常用分组拟合优度检验渐近等价,同时可以避免选择分组边界的困难。
阅读关注点
应核对分位点的选取、未知参数如何估计、“接近”原假设的定义,以及渐近等价的条件和检验统计量的构造。
阅读边界
仅依据 Crossref 摘要;参数估计条件、分位点数量和有限样本结果未提供,渐近等价不能直接解释为检验功效更高。

原文摘要

Summary A goodness-of-fit test is constructed using sample quantiles for a p.d.f. F(x, θ) (where θ is to be estimated) which is continuous and strictly increasing at the quantiles of interest. It is shown to be asymptotically equivalent, under alternatives “close” to the null, to the usual goodness-of-fit test based on grouped observations, the advantage being that we may avoid the difficulties of choosing cell boundaries for grouping.

笔记与分组
相关领域论文