Chi-Square Goodness-if-Fit Tests 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：摘要研究删失数据的通用拟合优度检验，未明确涉及因果效应、分位数效应或其他给定方向。
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
- 对于存在随机右删失的观测，如何检验数据是否符合某个参数分布族，并处理 nuisance 参数估计对检验分布的影响？
- 方法与思路
- 作者研究两种 Pearson 型统计量，以含 nuisance 参数最大似然估计的乘积极限过程弱收敛到高斯过程为基础建立渐近理论。
- 材料陈述的贡献
- 摘要称既有分布结果可推广到广义 Pearson 统计量，并证明一种修正 Pearson 统计量在原假设下具有卡方极限分布。
- 阅读关注点
- 应核对删失机制、分组方式、参数估计条件、修正统计量及自由度，以及乘积极限过程的弱收敛如何支撑检验校准。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要。摘要未列出删失假设、卡方自由度或有限样本性质，不能判断实际检验尺寸与功效。
原文摘要
Two Pearson-type goodness-of-fit test statistics for parametric families are considered for randomly right-censored data. Asymptotic distribution theory for the test statistics is based on the result that the product-limit process with MLE for nuisance parameters converges weakly to a Gaussian process. The Chernoff-Lehmann (1954) result extends to a generalized Pearson statistic. A modified Pearson statistic is shown to have a limiting chi-square null distribution.