On Testing Whether New is Better Than Used Using Randomly Censored Data
利用随机删失数据检验寿命分布的“新优于旧”性质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：摘要研究可靠性寿命分布的删失检验，没有直接涉及所列经济计量细分中的效应估计或金融风险问题。
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
利用随机删失数据检验寿命分布的“新优于旧”性质
- 研究问题
- 在随机删失数据下，如何检验寿命分布为指数分布的原假设，对抗具有“新优于旧”性质但非指数的备择？
- 方法与思路
- 作者用 Kaplan–Meier 估计构造一类统计量，通过 von Mises 方法推导渐近正态性，并估计原假设下标准差。
- 材料陈述的贡献
- 摘要称在若干正则条件下获得渐近有效检验，同时研究比例删失模型中的效率损失并开展功效模拟。
- 阅读关注点
- 应核对“新优于旧”的正式定义、删失与寿命的关系、正则条件，以及比例删失下效率和功效比较的基准。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未列正则条件或功效数值，不能据此判断重度删失或小样本表现。
原文摘要
Under a model of random censorship, we consider the test $H_0$: a life distribution is exponential, versus $H_1$: it is new better than used, but not exponential. This paper introduces a class of tests by using the Kaplan-Meier estimator for the sample distribution in the uncensored model. Under some regularity conditions, the asymptotic normality of statistics is derived by an application of von Mises' method, and asymptotically valid tests are obtained by using estimators for the null standard deviations. The efficiency loss in the proportional censoring model is studied and a Monte Carlo study of power is performed.