A Correlation Goodness-of-Fit Test for Randomly Censored Data
随机删失数据的相关型拟合优度检验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，未直接对应所列领域细分。
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
随机删失数据的相关型拟合优度检验
- 研究问题
- 如何检验随机删失数据的复合分布假设，所构造检验在轻度删失及删失模型偏离时具有怎样的渐近稳健性？
- 方法与思路
- 作者提出类似 Shapiro–Francia 统计量的相关型统计量，用 Monte Carlo 比较检验功效，并应用于前列腺癌数据。
- 材料陈述的贡献
- 摘要称，轻度删失时的指数分布检验对偏离 Koziol–Green 删失模型具有渐近稳健性，并开展了功效比较和数据应用。
- 阅读关注点
- 阅读时应核对复合假设中参数的处理、相关统计量的构造、轻度删失的含义，以及稳健性和功效比较的具体条件。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；未给出删失程度界限和比较结果，不能将指数性检验的稳健性推广至任意分布。
原文摘要
For testing a composite goodness-of-fit hypothesis with randomly censored data, a correlation statistic which is an analogue of the Shapiro-Francia statistic is presented. The test for exponentiality, in case of light censoring, is asymptotically robust against departures from the Koziol-Green model of random censorship. The power of the test is compared with the total-time-on-test procedure and the new-better-than-used test using Monte Carlo simulation. As an example, the test is applied to some data with prostate cancer.