A Chi-Squared Goodness-of-Fit Test for Randomly Censored Data
随机删失数据的卡方拟合优度检验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：摘要讨论随机删失下的通用拟合优度检验与寿命分布，没有对应所列经济、金融细分方向的明确文本证据。
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
随机删失数据的卡方拟合优度检验
- 研究问题
- 在随机删失模型下，如何构造针对简单零假设的拟合优度检验，并比较其显著性水平与检验功效？
- 方法与思路
- 作者考察 Pearson 统计量的直接推广，转而构造具有卡方极限零分布的 Wald 型统计量，并与 Akritas 检验比较。
- 材料陈述的贡献
- 摘要称，新检验具有渐近精确性；模拟显示尺寸表现取决于末区间概率，功效比较随寿命分布而改变。
- 阅读关注点
- 应核对随机删失条件、区间划分、协方差估计与渐近推导，并查看末区间概率和寿命分布如何影响表现。
- 阅读边界
- 摘要不支持新检验普遍更优，且明确给出尺寸表现的条件；具体条件和数值未提供，索引版本未注明，刊本变化未知。
原文摘要
In this article, procedures analogous to Karl Pearson's well-known chi-squared goodness-of-fit test for a simple null hypothesis are developed under the random censorship model. It is shown that one straightforward analog of Pearson's statistic is diminished in applicability due to the form of its limiting distribution. This leads to the development of an asymptotically exact test based on a Wald-type statistic with a chi-squared limiting null distribution. This test is compared and contrasted theoretically and via a simulation with Akritas’ test with respect to significance levels, asymptotic local powers, and finite sample powers. The general conclusions from the simulation study are that the proposed test usually achieves the desired significance levels when the probability of observing a censored or an uncensored value in the last interval is not small, whereas Akritas’ test tends to be a bit anticonservative. On the other hand, Akritas’ test is more powerful than the proposed test in a model with Weibull lifetimes, but in models with exponential and normal lifetimes neither test dominates the other.