The Best Test of Exponentiality against Singly Truncated Normal Alternatives
针对单侧截断正态备择的指数分布最优检验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：摘要属于分布检验的一般统计理论，没有明确涉及所列计量领域细分。
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
针对单侧截断正态备择的指数分布最优检验
- 研究问题
- 以单侧截断正态分布为特定备择时，如何构造指数分布检验，并准确近似检验所需的临界值？
- 方法与思路
- 作者研究似然比检验，将其写成样本变异系数的函数，联系 Greenwood 统计量，并用鞍点方法近似临界值。
- 材料陈述的贡献
- 摘要称，该似然比检验在所研究备择下是一致最强无偏检验，所给鞍点临界值近似具有较高准确度。
- 阅读关注点
- 应核对原假设与截断正态备择的参数范围、无偏性要求，以及鞍点近似在不同样本量和尾部概率下的误差。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；最优性限于所述检验问题，不能扩展到任意非指数分布备择。
原文摘要
We show that the likelihood ratio test of exponentiality against singly truncated normal alternatives is the uniformly most powerful unbiased test and can be expressed in terms of the sampling coefficient of variation. This test is closely related to Greenwood's statistic for testing departures from the uniform distribution. We provide a way to approximate the critical points of the test, using saddlepoint methods, that gives a high degree of accuracy.