Testing Goodness of Fit with Multinomial Data
多项分布数据的拟合优度检验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：摘要涉及通用多项分布拟合优度，不能仅凭类别数据将其归为离散选择。
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
多项分布数据的拟合优度检验
- 研究问题
- 对假定的多项分布，能否利用由数据自适应选择复杂度的检验，更有效识别经典方法不易检测的某些偏离？
- 方法与思路
- 作者提出阶数由数据自适应选择的 Neyman 光滑型检验，运用 Fourier 与大样本分析，并提供模拟和实际例子。
- 材料陈述的贡献
- 摘要称，新检验在检测某些备择类型方面具有潜在改善，模拟与实例用于说明渐近理论的有限样本适用性及实用性。
- 阅读关注点
- 应核对自适应阶数的选择规则、显著性水平校准、受益的备择类型，以及模拟如何比较检验大小和功效。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；潜在改善限于某些备择，未给出普遍优势或具体数值，不能推断刊本变化。
原文摘要
Several new test procedures are proposed for assessing the goodness of fit of a postulated multinomial distribution. The new tests are Neyman smooth-type tests with orders selected adaptively from the data. They are shown, through Fourier and large-sample analyses, to provide potential improvements over classical methods in terms of their ability to detect certain types of alternatives. Simulation results and a real example illustrate the finite-sample validity of the large-sample theory and the practical utility of the proposed methods.