EDF Statistics for Goodness of Fit and Some Comparisons
基于经验分布函数的拟合优度统计量及若干比较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：经验分布函数在此用于一般拟合优度检验，未直接涉及分位数或分布效应的经济计量分析。
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
基于经验分布函数的拟合优度统计量及若干比较
- 研究问题
- 如何使用经验分布函数统计量检验分布拟合优度，并区分分布完全指定与正态、指数分布参数需估计的情况？
- 方法与思路
- 作者考察五种主要经验分布函数统计量，分别讨论三类设定下的检验使用、显著性临界点和功效比较。
- 材料陈述的贡献
- 摘要提供实用检验指南，称统计量易于计算、各情形仅需一行显著性临界点，并报告其功效具有竞争力。
- 阅读关注点
- 应核对五种统计量的原文定义、参数估计对临界值的影响，以及功效比较采用的备择分布和样本量。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；统计量上标排版需查原文，摘要未列出临界值或功效数值，不能据此排序。
原文摘要
This article offers a practical guide to goodness-of-fit tests using statistics based on the empirical distribution function (EDF). Five of the leading statistics are examined—those often labelled D, W 2, V, U 2, A 2—and three important situations: where the hypothesized distribution F(x) is completely specified and where F(x) represents the normal or exponential distribution with one or more parameters to be estimated from the data. EDF statistics are easily calculated, and the tests require only one line of significance points for each situation. They are also shown to be competitive in terms of power.