统计学 > 计算
[提交于 2012年6月27日
]
标题: 计算欧几里得距离拟合优度检验的渐近功效
标题: Computing the asymptotic power of a Euclidean-distance test for goodness-of-fit
摘要: 一种自然(但非常规)的拟合优度检验方法通过欧几里得距离(或等价地,其平方)来衡量模型与经验分布之间的差异。 本文刻画了在这种检验对一类备择分布的统计功效,当观测数量趋于无穷大时,所有备择分布均以相同方向偏离模型。 具体而言,文章提供了一种高效的数值方法,在观测数量趋于无穷大的极限下,计算模型与经验分布之间欧几里得距离平方的累积分布函数(CDF)。 文章通过绘制几个例子的渐近功效(作为显著性水平的函数)来展示该方案。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.