The Conditional Distribution of Goodness-of-Fit Statistics for Discrete Data
离散数据拟合优度统计量的条件分布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：摘要属于离散数据拟合优度检验的一般理论，未明确涉及经济离散选择或其他所列细分方向。
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
离散数据拟合优度统计量的条件分布
- 研究问题
- 对于数据总量较大但单元计数稀疏的离散数据，Pearson 与似然比拟合优度统计量应采用怎样的参考分布计算尾概率？
- 方法与思路
- 作者主张以未知回归参数的充分统计量为条件，利用 Edgeworth 展开推导前三个条件渐近累积量，并据此计算尾概率。
- 材料陈述的贡献
- 摘要称，相较于通常的卡方极限，所研究的条件渐近框架不要求各单元计数很大，从而适用于总体数据多但单元稀疏的情况。
- 阅读关注点
- 应核对离散模型、充分统计量与渐近极限的设定，以及展开所需条件、尾概率近似精度和极端稀疏情况下的表现。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明具体模型、渐近路径或近似误差，不能认定该方法适用于所有稀疏列联表。
原文摘要
I consider the distribution of Pearson's statistic and of the likelihood-ratio goodness-of-fit statistic for discrete data in the important case where the data are extensive but sparse. It is argued that the appropriate reference distribution is conditional on the sufficient statistic for the unknown regression parameters, β. The first three conditional asymptotic cumulants are derived by Edgeworth expansion, and these are used for the computation of tail probabilities. The principal advantage of the limit considered here, as opposed to the more usual X 2 limit, is that the cell counts need not be large.