Using fixed point characterization, we develop a new goodness of fit test for uniform distribution. We also discuss how the right censored observations can be incorporated in the proposed test procedure. We study the asymptotic properties of the proposed test statistics. A Monte Carlo simulation is carried out to evaluate the finite sample performance of the tests. We illustrate the test procedures using real data sets.


翻译:使用固定点特征描述,我们为统一分布开发了适合测试的新品质;我们还讨论了如何将受检查的正确观测纳入拟议测试程序;我们研究了拟议测试统计数据的无症状特性;进行了蒙特卡洛模拟,以评价测试的有限样本性能;我们用真实的数据集来说明测试程序。

0
下载
关闭预览

相关内容

专知会员服务
26+阅读 · 2021年4月13日
强化学习最新教程,17页pdf
专知会员服务
182+阅读 · 2019年10月11日
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关VIP内容
专知会员服务
26+阅读 · 2021年4月13日
强化学习最新教程,17页pdf
专知会员服务
182+阅读 · 2019年10月11日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员