Efficiency of Smooth Goodness-of-Fit Tests
光滑拟合优度检验的效率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：摘要讨论一般分布拟合检验的局部效率，未提供所列应用细分方向的证据。
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
光滑拟合优度检验的效率
- 研究问题
- 复合假设下的光滑拟合优度检验，相对于 Pearson 型及其他二次得分检验，在局部备择下具有怎样的渐近效率？
- 方法与思路
- 作者推导检验统计量及局部渐近相对效率，并针对指数分布和正态分布检验，与其他二次得分统计量进行比较。
- 材料陈述的贡献
- 摘要称在特定局部备择下，光滑检验比 Pearson 型检验具有更高局部渐近相对效率，并与若干其他检验相当。
- 阅读关注点
- 应核对光滑检验的构造、局部备择的具体形式，以及效率比较是否依赖展开阶数、参数估计或其他设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；特定局部备择下的渐近效率比较不能证明有限样本或所有备择下的功效优势，也不能推断刊本变化。
原文摘要
The smooth goodness-of-fit test of Neyman (1937) was generalized to composite hypotheses by Javitz (1975) and Thomas and Pierce (1979). The test statistic is derived, as is its local asymptotic relative efficiency (LARE), which permits its comparison with other quadratic score statistic (QSS) tests, which include a Pearson-type χ2 test. For testing the negative exponential and normal distributions, the smooth test is seen to have greater LARE than the Pearson-type test and LARE comparable to certain other QSS tests for particular local alternatives.