An Empirical Investigation of Goodness-of-Fit Statistics for Sparse Multinomials
稀疏多项分布拟合优度统计量的实证考察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：文本是稀疏多项数据检验的一般统计研究，未提供对应所列经济计量细分方向的应用证据。
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
稀疏多项分布拟合优度统计量的实证考察
- 研究问题
- 当多项数据的样本量与单元格数量共同增加、预期单元格频数仍较小时，正态近似在中等规模样本中是否适用？
- 方法与思路
- 作者针对指定简单原假设，使用 Monte Carlo 方法考察 Pearson 与似然比统计量的正态近似在中等样本量和格数下的表现。
- 材料陈述的贡献
- 摘要明确提出对已有稀疏多项分布渐近理论进行有限样本考察，但没有报告哪种近似更准确或何时可以放心使用。
- 阅读关注点
- 应核对模拟中概率配置、样本量与单元格数量的组合，正态近似的评价指标，以及已有渐近条件在设计中如何体现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未提供模拟结果、误差大小或实用阈值，不能判断正态近似的实际可靠性。
原文摘要
Traditional discussions of goodness-of-fit tests for multinomial data consider asymptotic chi-squared properties under the assumption that all expected cell frequencies become large. This condition is not always satisfied, however, and another asymptotic theory must be considered. For testing a specified simple hypothesis, Morris (1975) and Hoist (1972) gave conditions for the asymptotic normality of the Pearson and likelihood ratio statistics when both the sample size and number of cells become large (even if the expected cell frequencies remain small). Monte Carlo techniques are used to examine the applicability of the normal approximations for moderate sample sizes with moderate numbers of cells.