Asymptotic Results on the Greenwood Statistic and Some of its Generalizations
Greenwood统计量及其若干推广的渐近结果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：摘要讨论基于样本间距的一般拟合优度检验，没有所列经济细分的直接证据。
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
Greenwood统计量及其若干推广的渐近结果
- 研究问题
- 将基于一步样本间距的Greenwood拟合优度统计量推广到多步间距后，渐近效率如何变化，重叠间距是否进一步改善效率？
- 方法与思路
- 作者构造基于高阶或多步样本间距的推广统计量，并比较这些统计量以及重叠与不重叠多步间距检验的渐近效率。
- 材料陈述的贡献
- 摘要称多步间距推广比原统计量渐近效率更高，且采用重叠多步间距能够进一步提高极限效率。
- 阅读关注点
- 应核对效率的定义、备择假设类别、步长如何选取，以及重叠间距引入的依赖如何进入极限分布和效率比较。
- 阅读边界
- 仅据所给Crossref摘要；未说明效率比较的完整条件、步长安排或有限样本表现，不能把渐近改进理解为所有备择下的优势。
原文摘要
SUMMARY There has been a renewed interest in the Greenwood statistic for goodness of fit and its percentage points. See Burrows (1979), Currie (1981) and Stephens (1981). This statistic, which is based on the sum of squares of the sample spacings, is known to be locally most powerful among all tests based symmetrically on the simple one-step spacings. This paper discusses some generalizations of this statistic based on higher-order or m-step spacings and shows them to be asymptotically more efficient. It is also shown that the limiting efficiency increases further if the test is based on overlapping m-step spacings as opposed to the disjoint (or non-overlapping) m-step spacings.