How Many Classes in the Pearson Chi—Square Test?
Pearson卡方检验应划分多少组？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：摘要研究正态性检验的分组与功效，属于一般统计方法，未明确对应给定细分领域。
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
Pearson卡方检验应划分多少组？
- 研究问题
- 使用特定修正形式的Pearson卡方检验进行正态性检验时，应如何依据备择分布下的功效选择分组区间数量？
- 方法与思路
- 作者推导该修正统计量在非原假设下的渐近分布，据此计算特定备择分布下的功效，并形成分组数量建议。
- 材料陈述的贡献
- 摘要称，论文获得修正卡方统计量的非原假设渐近分布，并将其转化为正态性检验中区间数量的选择建议。
- 阅读关注点
- 应核对统计量的修正形式、分组边界及参数处理方式，并查看分组建议覆盖哪些备择分布与样本规模。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明，无法判断刊本变化；摘要没有列出推荐组数，结论也不能直接用于所有卡方检验。
原文摘要
The asymptotic non-null distribution is obtained for the modified form of the Pearson chi-square statistic studied by Dahiya and Gurland [3]. By utilizing this result the power is obtained for specific alternative distributions in testing for normality. This enables recommendations to be made as to the number of class intervals to be employed in applying the aforementioned modification of the Pearson chi-square test of normality.