Testing the Goodness of Fit of the Binomial Distribution
二项分布拟合优度检验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：摘要研究二项分布拟合优度的通用检验，不能仅凭离散数据将其归为离散选择模型。
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
二项分布拟合优度检验
- 研究问题
- 如何针对广义二项、相关二项及混合分布等备择检验二项分布拟合优度，并比较相关检验的小样本表现与渐近效率？
- 方法与思路
- 作者采用 Neyman 的 C(α) 方法推导检验，分析其与二项方差检验的关系，并用数值例子及蒙特卡洛实验比较表现。
- 材料陈述的贡献
- 摘要称针对所列广义二项备择得到渐近最优检验，并揭示若干 C(α) 检验与方差检验的联系及相对效率。
- 阅读关注点
- 应核对渐近最优性的备择范围、参数处理与效率定义，以及模拟中的样本量、检验水平和不同备择的比较结果。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要；最优性针对特定备择，模拟数值未提供，不能推断全面优越性。
原文摘要
Using the C(α) procedure of Neyman (1959), we derive teats for the goodness of fit of the binomial distribution which are asymptotically optimal against generalized binomial alternatives proposed by Altham (1978) and Kupper & Haseman (1978). The C(α) tests optimal against correlated binomial alternatives, beta-binomial alternatives and a general class of mixture alternatives suggested by WisniewsM (1968) are shown to be closely related to the binomial variance test. A numerical example is given and the small sample behaviour of the variance test and the C(α) tests is investigated in a Monte Carlo sampling experiment. The asymptotic relative efficiencies of the goodness of fit statistics are examined.