Goodness-of-fit tests for randomly censored data
随机删失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：摘要属于随机删失下的一般拟合优度检验，未明确研究因果效应、面板结构或经济分布效应。
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
随机删失数据的拟合优度检验
- 研究问题
- 当观测受到随机删失时，如何调整常见拟合优度统计量，并评估其渐近分布在有限样本中的适用程度与功效？
- 方法与思路
- 作者为随机删失数据引入 Kolmogorov–Smirnov、Kuiper 和 Cramér–von Mises 统计量的相应版本，并进行蒙特卡洛研究。
- 材料陈述的贡献
- 摘要称，论文提出适用于随机删失的三类拟合优度统计量，并报告其渐近近似的有限样本表现及针对指定备择的功效。
- 阅读关注点
- 应核对删失机制与统计量定义、渐近分布所需条件，以及模拟中的样本量、删失比例和指定备择是否具有代表性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；删失假设、模拟设计和数值结果未说明，不能判断方法优劣或推断刊本变化。
原文摘要
Versions of the Kolmogorov-Smirnov, Kuiper and Cramér-von Mises statistics are introduced for the problem of assessing goodness of fit with randomly censored data. A Monte Carlo study of the adequacy of their asymptotic distributions in finite samples and their powers against specified alternatives is reported.